The Linux Kernel Module Programming Guide
Peter Jay Salzman, Michael Burian, Ori Pomerantz, Bob Mottram, Jim Huang 1 Introduction 1.1 Authorship 1.2 Acknowledgements 1.3 What Is A Kernel Module? 1.4 Kernel module package 1.5 What Modules are in my Kernel? 1.6 Is there a need to download and compile the kernel? 1.7 Before We Begin 2 Headers 3 Examples 4 Hello World 4.1 The Simplest Module 4.2 Hello and Goodbye 4.3 The __init and __exit Mac
【翻訳】 図解 プロダクトづくりの構造 - ykmc09 blog
訳者注 本記事は、Dan Schmidt 氏のブログ記事「A Visual Vocabulary for Product Building」をご本人の許可のもと日本語訳したものです。 ninjinkunさん、Koshiro Kumikoさんにレビューにご協力いただきました。的確かつ、建設的で思いやりのあるアドバイスとフィードバックに感謝します。 同一著者の関連記事としてこちらもぜひ合わせてご覧ください：【翻訳】プロダクトマネジメントトライアングル 以下、翻訳本文です。 プロダクトビルダー（訳注：プロダクトをつくる人たち）が自分のプロダクトに当てはめられるような、成功するプロダクトをつくる方程式はありません。これは、プロダクトが置かれている常に変化するコンテキストに、プロダクトづくりの詳細が大きく左右されるからです。あるプロダクトで成功した戦略が別のプロダクトではまったくあわないこともありま
Autotools: a tutorial
Embedded Linux Conference 2016 GNU Autotools: a tutorial Free Electrons - Embedded Linux, kernel, drivers and Android - Development, consulting, training and support. http://free-electrons.com 1/99 Thomas Petazzoni I CTO and Embedded Linux engineer at Free Electrons I Embedded Linux specialists. I Development, consulting and training. I http://free-electrons.com I Contributions I Kernel support fo
CatBoost論文のprediction shiftについて完全に理解する - threecourse’s blog
CatBoostの論文における、prediction shiftについて調べる機会があったのでまとめてみました。 （CatBoost: unbiased boosting with categorical features https://arxiv.org/pdf/1706.09516.pdf ） 以下は、論文の4.1 Prediction shift、AppdendicesのA Proof of Theorem 1を元に、私の理解で構成しなおしたものです。 概要 勾配ブースティングの計算において、各ブースティングで同じ学習データを使うことにより、偏りが発生する。 シンプルな以下の前提で考える。 データセットの前提 データセットの前提は以下のとおり： データの個数は$n$個、特徴量は $(s, t)$ の2つ $s, t$はそれぞれベルヌーイ分布（$p=0.5$）に従う二値変数 目的変数
ゲルインキボールペンの人気色「ブルーブラック」7種類のボールペンで比較レビュー!. . | pENotE!. .│文房具ブログ
こんにちは黛です。 本記事では、ゲルインキボールペンの「ブルーブラック」を比較してみました。 ゲルインキボールペンはカラーラインナップが豊富で、その中でも「ブルーブラック」は定番色であり人気色となっている気がします。
たのしい自作ケーブル沼 - にるぽっぽ
自作キーボードアドベンドカレンダー1枚目の1日目、初心者のにるぽです 自作キーボード Advent Calendar 2018 - Adventar 濃い話は他の強い人にお任せてしてゆるふわでいきます! 今回のテーマはこれ!! いきなり自作キーボードの話ではなくて申し訳ないです👼 自作キーボードが国内でも認知されつつあり、キーボード自体をおしゃれアイテムとしてキーキャップ、ケースをカスタムする方が多くなっている印象があります しかし!!!!! 市販品されいてるTRRSケーブルはすごい微妙なのが多い!! 特にL字はほとんど選択肢がない感じです*1 こんなのとか こんなのとか こんなのとか なんか微妙!!! 海外のキーボードの写真を見ているとケーブルも含めおしゃれな写真が多い印象です!! Let's Split / SA Abyss [photos] : MechanicalKeyboard
MemoryView: Ruby 3.0 から導入される数値配列のライブラリ間共有のための仕組み - Speee DEVELOPER BLOG
Ruby コミッターの村田です。Ruby 3.0 に組み込まれる実験的な新機能を作ったので解説します。 新機能は MemoryView と名付けられました。これは C などで書かれる拡張ライブラリ向けの機能です。メモリ上の、型が均一で同一サイズの要素から構成される配列 (e.g. 行列や画像など) を、複数の拡張ライブラリ間でコピーレスで共有するために必要な仕組みを提供します。 MemoryView が導入された背景 多次元数値配列が重要な役割を持つ時代になった 深層学習やデータサイエンスの流行にあわせて、メモリ上で大きなサイズの多次元数値配列データを処理する事例が増加しています。このような数値配列データに対する処理は、複数のライブラリの機能を組み合わせて実現されます。この分野でよく使われる Python では、データ構造を numpy と pandas が提供し、機械学習アルゴリズムを
Athenaを使ったデータ処理基盤の設計 - Speee DEVELOPER BLOG
こんにちは。UZOUのプロダクト開発をしているエンジニアの@kanga333です。 UZOUでは広告データの集計の一部にAmazon Athenaを採用しています。 この記事ではUZOUにおけるAthenaを使ったデータ処理基盤の設計について紹介したいと思います。 全体構成 データ処理基盤の全体構成は次のようになっています。 以後はそれぞれのコンポーネントについて順次紹介していきます。 FleuntdによるS3への集約 UZOUでは特にFluentdアグリゲータのような中継サーバは設けていません。広告配信サーバに常駐するFluentdがログを直接S3にプットしています。 以下はFluentdのS3 output部分の設定の一部抜粋です。 <buffer time> @type file timekey 60m </buffer> path example_table/dt=%Y%m%d/h
Stanford University CS231n: Deep Learning for Computer Vision
Course Logistics Lectures: Tuesday/Thursday 12:00-1:20PM Pacific Time at NVIDIA Auditorium. Lecture Videos: Will be posted on Canvas shortly after each lecture. These are unfortunately only accessible to enrolled Stanford students. Office Hours: We will be using Zoom for office hours. You can find a full list of times and locations on the calendar. Contact: Announcements and all course-related que
Vim でインサートモードを抜けた時にインプットメソッドを切り替える - Nekostack
1. はじめに Vim で日本語を書く人によくありがちなのが, ノーマルモードを抜ける際にインプットメソッドを戻すのを忘れてしまうことなのかなと思っている. うっかりインプットメソッドを切り替えるのを忘れて保存しようとするとこうなって, ストレスがマッハに… この辺りの話は散々されているはずで, Vimを使う上でのIME(日本語入力)の取り扱い や, Vim/GVimで「日本語入力固定モード」を使用する などを見ると色々やりようはありそうな感じ. Mac & Vim だと Karabiner を使って, インサートモード離脱にインプットメソッドを切り替える. MacVim などで iminsert を使う. 自分は大体 CUI 版の Vim, NeoVim を使うのだが, 2017/01/02 時点では karabiner は macOS Sierra 上で使えるようになっておらず, 上で
数理最適化を用いて広告オークション入札金額を自動で調整してみた - Speee DEVELOPER BLOG
こんにちは、UZOU事業部の久松 @hisao_00 です。 業務としては、ネイティブ広告配信アルゴリズムの調査、設計、プロトタイプ開発を行っています。 先日開催された、SpeeeKaigi#4にて「数理最適化を用いた広告オークション入札金額の最適化」について発表しました。 数学好きの方、アドテク界隈の方、ぜひ読んで頂ければ幸いです。 概要 制約つき非線形最適化問題を解くことで、広告主がメディアの配信枠に対して入札する金額を最適化するロジックを考え、シミュレーションしてみました。 背景 広告主はUZOUを通してメディアに配信されますが、広告主に継続して出稿してもらうためには、広告成果を合わせることが重要です。 広告成果とは Web広告の大多数は、パフォーマンス広告と呼ばれるもので、 健康食品や化粧品など、ネット上に配信された広告を導線として 商品の購入までを想定して配信されています。 その
続・今更聞けない Bootstrap 4 のレイアウトシステム with Flexbox - Speee DEVELOPER BLOG
プロジェクト推進室の服部 (@yhatt) です。現在は社内の福利厚生制度である Speee Library を筆頭とした社内システムを中心に担当しています。 今回は、遡ること 2 年前に公開した、今更聞けない Bootstrap のレスポンシブ の続編として、Bootstrap 4 正式対応版 に内容をアップデートしてお届けします。 『Bootstrap 4 を使って、"柔軟な" レスポンシブ Web を構築したい』という方は、是非この記事を読んで、Bootstrap 4 のレイアウトシステムの基本をおさえていただけると幸いです。また、『Bootstrap 3 から 4 に移行したい(移行した)』という方のために、v3 と v4 の違いを交えながら解説していきたいと思います。 前回の記事については、以下をご覧ください。 tech.speee.jp 以前公開していた記事は、Bootstra
Baidu Announces Project Apollo, Opening Up its Autonomous Driving Platform
Baidu Announces Project Apollo, Opening Up its Autonomous Driving Platform April 18, 2017 21:15 ET | Source: Baidu BEIJING, CHINA--(Marketwired - Apr 18, 2017) - Baidu, Inc. (NASDAQ: BIDU), Baidu has today announced a new project named "Apollo" which will provide an open, complete and reliable software platform for its partners in the automotive and autonomous driving industry to develop their own
カタログクエリの例 - Amazon Redshift
次のクエリは、カタログテーブルのクエリを実行して Amazon Redshift データベースに関する有益な情報を取得できるいくつかの方法を示しています。 テーブル ID、データベース名、スキーマ名、テーブル名の参照 次のビュー定義は、STV_TBL_PERM システムテーブルを PG_CLASS、PG_NAMESPACE、および PG_DATABASE システムカタログテーブルと統合し、テーブル ID、データベース名、スキーマ名、テーブル名を返します。 create view tables_vw as select distinct(id) table_id ,trim(datname) db_name ,trim(nspname) schema_name ,trim(relname) table_name from stv_tbl_perm join pg_class on pg_cl
Amazon Route 53のIPv6トランスポート対応が始まりました | DevelopersIO
ども、大瀧です。 先日、Route 53のIPv6ネットワーク経由のDNSクエリサポート(IPv6トランスポート対応)がアナウンスされました。CloudFrontのIPv6対応と同様に目下展開中のようで、一部サーバーで利用できたのでその様子をレポートします。 IPv6トランスポート対応とは 一般的に言うDNSサービスのIPv6対応には、以下の2種類があります。 IPv6レコード対応 : AAAAレコードおよびIPv6向けPTRレコードが設定、返答可能であること IPv6トランスポート対応 : IPv6アドレスを持つDNSサーバーでホストし、IPv6通信を通してDNSサービスを提供可能であること Route 53は従来からIPv6レコードには対応していたので、今回のIPv6トランスポート対応によってIPv6をフルサポートするようになりました。 利用方法 AWSの管理コンソールなどで設定する必
Application Load Balancer(ALB)に登録されているTarget GroupのEC2からprivate ipを一括取得する - Lチカ開発ブログ
Capistranoなどで、ロードバランサー(ELB)に紐付いているWebサーバー(EC2)にデプロイする際にIPアドレスを直接記述するのではなく、 ロードバランサーのARNから動的に取得する方法。 なにがうれしい インスタンスのIPが変更になった時や、台数の増減があった場合に、deploy.rb をその度に変更する手間が省ける。 前提 AWS-SDK を利用してrubyで操作する これまで ALBにする前はELB(Elastic Load Blancer)のclassicを利用していて、ELBに紐づくインスタンスのIPを以下で取得していた。 （しかもSDKのバージョンがかなり古い） Gemfile gem 'aws-sdk', '1.26.0' deploy.rbから抜粋 require 'aws-sdk' AWS.config({ :access_key_id => '******',
なんちゃって！DCGANでコンピュータがリアルな絵を描く - PlayGround
最近、Deepな生成モデルが熱いです。 中でもDeep Convolutional Generative Adversarial Networks (DCGAN) は、写真並みの画像を生成できるということで、非常に有名になりました。以前書いた記事でも少し触れましたが、計算の果てに画像を生成できるってところになんか惹かれますね。 Deepな生成モデルの歴史的な流れについては以下のPFNの動画が参考になります。 www.youtube.com ということで、DCGANの元となるGANについて説明しつつ実装し、そのあとDCGANもどきを実装し、画像生成を行おうと思います。 Generative Adversarial Nets (GAN) GANでは、2つのNNを学習させることによって、生成モデルを構築します。2つのNNは、それぞれDiscriminatorとGeneratorと呼ばれていて、こ
ディーブラーニングのDCGANを用いたmangaキャラクタの作成 - にほんごのれんしゅう
ディーブラーニングのDCGANを用いたmangaキャラクタの作成 生成したなんかアンニュイなキャラ 人間のみの権利と思われていた創造と創生の技術がついにマシーンが行えるようになりました。去年の今頃にDCGANという手法で画像を人間が、ぱっと見ただけではわからないほど、それっぽいベッドルームの画像の生成が行えるようになりました[1]。 人工知能がテキストと音楽以外の画像描画という側面において進出した第一歩ではないのでしょうか。見ていてすごいなと思ったものです。 図1. 自動生成されたベッドルームの画像のあれこれ 特徴量としてベクトル情報を得られることから、画像で得た特徴量を利用して類似製品をレコメンドに用いたらどうかなどの先行研究もありました[2]。 ■ あんまり商業的に活躍しているとは言いがたいDCGAN DCGANってなにかおもしろいことをできそうなんですが、お金に直結するような発想にな
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
SECDR-Scheme
HTML5 audio - testing for Invalid State Error ( Or Dom Exception 11 )