thread_local を利用した半動的なメモリ確保について - Qiita
#はじめに 俺は去年の秋頃に「さいきょうの関数型プログラミング言語は C++ かもしれない」とかなんとかそんな記事を投稿した者だ。憶えている人はいるだろうか…。 あの時いろいろ調べて分かったのは、new だの malloc だのといった動的なメモリ確保には結構な時間がかかる、ことにマルチスレッド下ではロックが発生するらしいということだ。まあそうだわな。それぞれのスレッドが勝手にメモリを確保したらぐちゃぐちゃになっちゃうからな。 マルチスレッド下での動的なメモリ確保において発生するロックを回避する方法としては、malloc を入れ替えるというのがあるらしい。FreeBSD の jemalloc とか Google 先生の TCMalloc とかだ。これは小さなメモリを確保する場合にそれぞれのスレッド専用に確保された領域を使うことでロックを回避しているそうだが良くは知らない。 しかしこういうな
pythonからC言語を利用する(2) - 作業記録/備忘録(仮)
前回の続きで、Cでshared object(動的ライブラリ)を作成するところと含めて以下の順番で試してみた。 (1)Cで動くプログラムの作成 (2)Cの共有ライブラリの作成 (3)pythonからCの共有ライブラリをロードする (4)pythonからCの関数を実行する 共有ライブラリの作成に当たっては、以下のサイトを参考にさせていただきました。 [c]gccを用いたCの共有ライブラリの作り方 http://d.hatena.ne.jp/sleepy_yoshi/20090510/p1 なお、以下の開発/動作環境はLinux(Ubuntu10.04)です。 Cで動くプログラムの作成 まず、Cで動く簡単なプログラムを作ってみた。 後々ライブラリとして使う、forlib.cとforlib.hと、それを動かすmain関数のforlib_main.cを用意した。 forlib.h #ifndef
Python で インラインC/C++ « Stop Making Sense
はじめに 以前から SWIG を使った Python・C/C++の連携に興味がありましたが、Instant というモジュールを使えばもっとお手軽に出来ることを知り、ちょっと試してみました。 Instantとは Python から C/C++のコードを呼び出すためのモジュールです。 (Webサイト) http://heim.ifi.uio.no/~kent-and/software/Instant/doc/Instant.html Python と 他の言語を連携させるツール類は Instant 以外にも色々ありますが、Instant には次のような特徴があります。 Python のコード中に、インラインでC/C++をインラインで記述出来る。 WebサイトのTOPには、次のようなサンプルが載ってます。 from instant import inline add_func = inline(
c/c++をラップしてpythonで使えるように - Python | Welcome to underground
c/c++ wrapper for python c/c++の遺産をpythonでも使いたい！ そんなあなたに朗報！ 今お使いのものがpythonでもe使えますよ！ しかも無料ですよ！ 参考にすべきリンク先 PythonからCプログラムを呼び出す | 象歩 PythonからMinGWで作ったCの関数を呼んでみる | BTY備忘録 SWIGでPythonラッパを書いてみる - 睡眠不足?! SWIG and Pythono Boost.Python - Boost 1.49.0 boost.python - Pythoninfo Wiki Boost.Python の機能をざっと紹介してみる 1,2はPython.hを使った伝統的な方法． 3,4はSwigを使ってユーザーが楽する方法． 5はc++もライブラリBoostの中のPythonを使ってかなり効率的に作る方法． 6もboost.pyt
PythonからCプログラムを呼び出す | 象歩
PythonからCプログラムを呼び出す [更新日: 2022年03月19日 ] Python でプログラミングしていると、 新しいデータ構造を作り上げる場合などに、 C/C++ の力を借りたくなることがあります。 Python から C/C++ コードを呼び出す方法を書きます。 まずは、Cから... 1.ソースコード 次の関数を題材にします。 // hello.c int add(int x, int y) { return x + y; } void out(const char* adrs, const char* name) { printf("こんにちは、私は %s の %s です。\n", adrs, name); } 2.wrapper コード まずモジュール(ライブラリ)名を決めます。 ここでは "hello" とします。 そしてラッパモジュールを書きます。 // hello
Embedded Python in C++ / C++からPythonスクリプトを呼び出す - Qiita
この記事は札幌C++勉強会のオンラインもくもく会で書きました。 札幌C++勉強会では、もくもく会の参加者を募集しております。 詳しくは@ignis_fatuusまで 概要 C++ですべてをやるのはつらい。だから部分的にPythonで楽をする。Boost.Python使えばできる。試しにTwetter APIでも使ってみた。 Background Pythonは便利。PythonでGUIなアプリを作りたい事情が筆者にあるが、困った問題がある。QtとPythonのbindingライブラリだ。 GUIライブラリのPython Bindings PythonでGUIを使うにはQtやGtkなどの、C言語またはC++用のGUIライブラリを使う。これら他言語のライブラリをPythonから呼び出す仕組みをbindingsと呼んだりする。Qtはとても有名なC++用のGUIライブラリで、これ選んでおけばあまり
ナップサック問題 - Qiita
「重さが1,3,5,6,8 という5つの品物をいくつか選んで、最も10に近づけるにはどう組み合わせればいいか」 こういう問題のことをナップサック問題といいます。 今回は1,3,6と詰めれば、丁度10になりますが、どのように組みわせてもぴったりになることはない問題もあります ナップサック問題 一次元のタイルパズルという感じで簡単そうに見えますが、完全に求めるには総当りしかない、結構厄介な問題です 品物の候補が100個ある場合、2^100通りの選び方があるのでとてもまともには計算できません そこで、枝刈りポイントを探していきましょう 多くの場合は、100個の品物があっても、せいぜい入るのは10個前後でしょう ですので、全てをチェックする必要がないことがわかります 入るパターンを効率よく探すために、以下のアルゴリズムで探索していきます まず、メモを用意して、1個目の品物の重さを書きます 2個目は
A practical guide to SSE SIMD with C++
A practical guide to SSE SIMD with C++ First published 22. September 2009 This is a guide to Streaming SIMD Extensions with operation system independent C++. Also the details and troubles of SIMD designing with SSE will be addressed in detail. 1.0 Introduction 2.0 What is SIMD? 3.0 Effective use of SSE 4.0 Data structures with SSE 5.0 Mask operations 6.0 C++ SSE header Algorithm example 1 - Vector
Intel AVX を使用して SIMD 演算を試してみる - kawa0810 のブログ
SIMD 演算と Intel AVX Single Instruction Multiple Data (SIMD) 演算とは1回の命令で複数のデータを同時に処理する演算です．近年の CPU には SIMD 演算を行うことができる SIMD 演算器が搭載されており，Intel 社の CPU ならば Streaming SIMD Extensions (SSE) を用いることで SIMD 演算を行うことが可能です．SSE は CPU に搭載されている 128bit レジスタを用いて演算を行うため単精度データならば4つ，倍精度データならば2つずつ演算を行うことができます．また，近年 SSE 後継の SIMD 拡張命令として Intel Advanced Vector eXtentions (AVX) が登場しました．AVX は第2世代 Intel Core i シリーズのプロセッサ (Sand
コンパイラー最適化入門： 第2回 SIMD 命令と伝統的な IA 命令 | iSUS
Visual* C++、GCC*、インテル® C++ コンパイラーなど、広く利用されているコンパイラーには様々な最適化オプションが用意されています。SIMD 命令にはどれほどの効果があるのか、そして通常の IA 命令との違いは？ この回では、SIMD 命令の効果について説明します。 第1回 第2回 第3回 第4回 第5回 最終回 SIMD 命令を利用すると劇的にアプリケーションの性能を改善できることがあります。Visual* C++、GCC*、インテル® C++ コンパイラーなど主要なコンパイラーは、SIMD 命令を利用した実行コードを生成することができますが、コンパイラーによってその最適化能力が異なります。利用するコンパイラーの特性を知っておくと良いでしょう。 for(int i; i<MAX; i++) A[i] += B[i] * C[i]; // A, B, C の配列が単精度浮動
SSEとAVXで高次元ベクトルの内積計算を高速化してみた | さかな前線
世界最速のお魚と言えばカジキ類で，泳ぐ速度は時速100km/hを超えるとか．55ノット程になるのでこれはMk-48魚雷にも匹敵するほどです． 一方ちょっとチートな高速お魚としては，お馴染みトビウオが飛行中に最大70km/hほどに達するとか． 今日はそんな若干チートな高速化のお話（？）ということで，SSE組み込み命令について． SSEやAVXといえばお馴染みSIMD命令で，それをプログラムから構造体と関数の形式で高移殖に記述する方法がSIMD組み込み関数(SIMD Intrinsic)なわけですが，これを使ってごく典型的なベクトルの内積計算を高速化してみました． ベクトルの内積の高速化と言えば星の数ほどもされてる話なわけで，いまさら魚の情報なんか役に立つ気は全くしないのですが，純粋に自分でやらないとわかんない＞＜ ということで， とにかく書いてみよう 効果の程はいかに？ を調べてみたくて，や
OpenCLやる前にSIMD使い切れっていう幻想 - aokomoriuta's blog
お詫び アライン忘れてましたごめんなさい、でも時間あんまり変わってないから許して・・・ https://t.co/JNtq2U2kMq— 青子守歌 (@aokomoriuta) April 29, 2015 では本編どうぞ↓ 本編 若干話題に乗り遅れた感ありますが。 d.hatena.ne.jp けど、SSEも知らねー、SIMDも知らねー、なんか俺が書いたアルゴリズム遅いけどとりあえずOpenCLとかで高速化しよっかなーとかね、甘ったれてんじゃねえよ。CPUをもっと使いきれよ。お前のアオいコードのせいでCPUが泣いてるよ。っていう話ですよ。 GPGPUなんてのはSIMDを使い切った後の話でしょ。 GPGPUするのにGPUのパワーとメモリが足りませんとか言う前にまずSIMDからだろ。 とか言われてたので、検証することにした（やっつけ）。 環境 OS: Windows 7 Profession
ループの高速化について(in C/C++) - Qiita
かなりの回数のループを回すようなプログラムを書く羽目になって少し調べたので、(受け売りではあるが)まとめておく。 以下の記述は一般的なスペックを持つパソコンに合わせてあるので、組み込み等の特殊な環境には必ずしも当てはまらないことに注意。 ループ内での変数宣言 主張 ループ内で変数を宣言するとその変数の構築にコストがかかるので、ループ外で変数を宣言して使いまわした方がよい。 for(int i=0;i<100;i++){ int var = func(); // varを使う処理 } ↓ int var; for(int i=0;i<100;i++){ var = func(); // varを使う処理 } 実際のところ プリミティブ型やPOD型では速度差は出ない(最適化すれば同一のアセンブリになる) PODでないクラス型ではコンストラクタの処理にかかる時間によって無視できない差が出ることも
プログラムを高速化する話
9. 9 最適化について 「細かい効率のことは忘れて、時間の 97% について考え よう。時期尚早な最適化は諸悪の根源だ。それでも残り 3% についても機会を逃すべきではない」 - Donald E. Knuth 「プログラム最適化の第一法則 : 最適化するな。 プログラム最適化の第二法則 ( 上級者限定 ): まだするな。 」 - Michael A. Jackson 11. 11 最適化の対象 主に Intel の Haswell マイクロアーキテクチャ以降を対象 多くのテクニックは他のプロセッサにも応用できます ベース マイクロアーキテクチャ プロセスルール 登場年 Nehalem Nehalem 45nm 2008 〃 Westmere 32nm 2010 Sandy Bridge Sandy Bridge 32nm 2011 〃 Ivy Bridge 22nm 2012 Hasw
C/C++のプログラム高速化 (続き) - それって食えるのか？
あんな記事 でも、検索エンジン経由で迷い込んでくる人が、それなりに居るみたいなので、昔を思い出してちょっと書いてみる。 前にも書いたけど、パフォーマンス改善にいたるまでの手順がとても大事。 素性正しく作る デバッグをきちんとやる パフォーマンスを改善する (必要なら) ある程度パフォーマンスを稼がなきゃいけないプログラムを書くなら、妙な Tips を頼るのではなく、正しい設計をするのが、一番大事なこと。 後で改善するときにも、修正する箇所が少なくてすむことになるので、改善するのもとても楽。 また、パフォーマンス改善は、コードが汚くなりがちだけど、それは、汚いコードが速い、ということではない。 仕事で、ぐちゃぐちゃのコードを渡されて、とても手を入れる気にならなくて、書き直してみたら速くなった、という経験をした人も多いはずだ ( ﾟ-ﾟ) ﾄｵｲﾒ デバッグをした後にパフォーマンス改善をする、
C++高速化
はじめに 速いプログラムで得られるメリットを超えるようなコストを払わないように。 まずは動くプログラムを書いて目的を達成することが大事。 自分律速じゃなくてプログラム律速だなと感じた段階でリファクタリングを考える。 プログラム本来の意図が読み取れなくなりそうなマニアックな高速化は避ける。 清く正しくメンテナンスしやすいプログラムを書くほうが結局は生産的。 学習目的でない限り、車輪の再発明を避ける。 やろうとしていることはきっと既に誰かが実現し、 再利用可能な形で公開してくれているはず。 まずは標準ライブラリとかBoostを探してみる。 あとGitHubでスターが多いやつとか。 頑張れコンパイラ Intelの icc でビルドされたプログラムは速いらしい。 gcc や clang の最適化技術も着々と進歩しており、 新しいコンパイラを使うほうがその恩恵を受けられる。 最適化オプション htt
プログラミング :: 高速なプログラムを書く為に :: 初めに
注意 この文章は自分で色々調べながら生半可の理解で書いた物であり、 信用出来ない部分が沢山あります。 何やら、変な宗教を流行らせるなという注意を受けてしまいました → 本の虫: いまだに変な宗教が流行っている。 (しかし、内部向けに書いた物を、よく見てくれる人がいる物だ。 御免なさい…詳しい人は見ないと思って、調子に乗って、適当な事を偉そうに書いちゃってますが…。) とはいえど、勉強になるのでありがたいです。 何か間違っている事があったら、直接連絡もして頂けると尚嬉しいです。 (或いは、コメント欄とかを用意した方が良いのかなあ。) 後、受けたコメントについて調べたりした内容も載せておく事にします → 初めに (コメントに対し)。 GPGPU について書こうと思ったのですが、それよりも先に、 高速なプログラムを書くに当たって注意するべき一般的な事を述べておいた方が良い様に思ったので、 「高速
GCC: CPU に関する最適化オプション
このページでは、GCC における最適化オプションに関する情報をまとめています。 対象としているのは x86 系 CPU, GCC 3.0 系以降です。 目次 各 CPU 向け最適化オプション 拡張命令向け最適化オプション リンク 各 CPU 向け最適化オプション GCC には以下の 3 つの各 CPU 向け最適化オプションがあります。 -march 指定した CPU だけで動作するようなコードを生成します。後述の -mcpu より速いコードを生成可能。 -mcpu -march と違い、同系列の CPU でも動作するようなコードを生成します。 -mtune GCC 3.4 系で導入された -mcpu の別名。 これらは、以下の表にある“CPU タイプ”と組み合わせて、-march=pentium2 の様に使います。
フリーソフトウェア徹底活用講座(1)
コンパイラオプションによる自動最適化について解説します． ● -0，-01 このオプションでは基本的な最適化を行います． たとえばregisterの不要な移行を行わない，メモリアクセスを減らすためにregisterに値を保存しておくなどの最適化を行います． 最適化を行うと，コンパイルには時間がかかり，大きな関数についてはたくさんのメモリを余計に使います． -0を指定しないと，register宣言した変数しかレジスタに割り当てません． -0を指定することでコードサイズと実行時間を小さくしようとします．また，全機種で-fthread-jumpsと-fdefer-popを有効にします．遅延スロットのある機種では-fdelayed-branchをオンにし，フレームポインタなしでもデバッグをサポートできる機種では-fomit-frame-pointerをオンにします．機種によっては，ほかのオプション
プログラミング :: 高速なプログラムを書く為に :: コンパイラの最適化
5. アセンブリについて 「アセンブリ」と言うと、「高速なプログラム」の代名詞的な響きがありますが… これは余りお薦めしません。 最近のコンパイラは性能が高いので、自分でアセンブリコードを書いても太刀打ち出来ません。 下手に書くと絶対にコンパイラの吐くコードよりも遅くなりますし、 ちゃんと勉強してペアリングなども考慮して記述したとしても、 コンパイラの吐くコードと殆ど同じ速度のコードにしかなりません。 アセンブリで書いて効果があるのは、 通常の C/C++ では記述できないような処理の仕方をする場合 コンパイラの知らない機能 (CPU の拡張命令とか) を使う場合 位の物です。 どうしてもアセンブリで書きたいというのであれば、 どんな命令が存在するのかをちゃんと知る。 実際に組む時には、各命令のクロック数を全て数え上げて短くなる様に勉める。 勿論、ペアリングなども考慮する Intel の出
コンパイラ - コンパイラの最適化についてすべてのプログラマが知っておくべきこと
このブラウザーはサポートされなくなりました。 Microsoft Edge にアップグレードすると、最新の機能、セキュリティ更新プログラム、およびテクニカル サポートを利用できます。 コンパイラの最適化についてすべてのプログラマが知っておくべきこと Hadi Brais コード サンプルのダウンロード 高度なプログラミング言語には、関数、条件付きステートメント、ループなど、驚くほど生産性が上る抽象プログラミング コンストラクトが多数用意されています。ただし、高度なプログラミング言語でコードを作成する場合のデメリットの 1 つは、パフォーマンスが大幅に低下するおそれがあることです。パフォーマンスを犠牲にすることなく、わかりやすく、メンテナンスしやすいコードを作成するのが理想です。このため、コンパイラがコードを自動的に最適化してパフォーマンスの向上を図ります。最近のコンパイラが行う最適化は非常
一休.com におけるフロントエンド開発 // Speaker Deck
3.29 Sansan✕一休.com 勉強会での発表資料です
【2016年度版】このPerlハマりどころがすごい！100連発 - Hatena Developer Blog
はじめに autovivificationを避ける myと後置ifを同時に使ってはならない return;で返る値は空のリスト 正規表現によるバリデーションでは\Aと\zを使おう '0' は偽で評価される each は中断した時、中断した時点の状態が残り続ける おわりに はじめに こんにちは。アプリケーションエンジニアの id:t_kyt です。 春です。Perlを始めるにはいい季節ですね。Perl始めていますか？ どの言語にもハマりどころというものがありますがPerlも例外ではありません。というわけで今回はPerlを始めた人がハマりがちなポイントを幾つか紹介したいと思います。 この記事ははてなの教科書程度の知識を前提としています。またモジュールに依存しない部分に絞りました。 github.com autovivificationを避ける autovivificationとはundefの入
初めてのAnsible
本書はサーバーの構成管理ツールAnsibleについての総合的な入門書です。設定管理のスクリプトであるPlaybookの基礎から、オープンソースの本格的なコンテンツ管理システムのインストールについて、順を追って説明します。そしてAnsibleの高速化やカスタムモジュール、VagrantやAmazonEC2、Dockerとの連携など、Ansibleの活用に役立つ事柄をサンプルを使いながら詳述します。日本語版付録として中山幸治氏による「Ansibleを利用したプロビジョニング方法」を収録。サーバーを上手に管理したいエンジニア必携の一冊です。 序文 訳者まえがき はじめに 1章 イントロダクション 1.1 バージョンについて 1.2 Ansibleが役立つこと 1.3 Ansibleの動作 1.4 Ansibleがすばらしい理由 1.4.1 読みやすい構文 1.4.2 リモートホストへのインストー
データマイニングで使われるトップ10アルゴリズム - データサイエンティスト上がりのDX参謀・起業家
2006年のデータマイニング学会、IEEE ICDMで選ばれた「データマイニングで使われるトップ10アルゴリズム」に沿って機械学習の手法を紹介します（この論文は@doryokujin君のポストで知りました、ありがとうございます！）。 必ずしも論文の内容には沿っておらず個人的な私見も入っていますので、詳細は原論文をご確認下さい。また、データマイニングの全体観をサーベイしたスライド資料がありますので、こちらも併せてご覧下さい。 データマイニングの基礎 View more presentations from Issei Kurahashi 1. C4.5 C4.5はCLSやID3といったアルゴリズムを改良してできたもので、決定木を使って分類器を作ります。決定木といえばCARTが良く使われますが、CARTとの違いは以下のとおりです。 CARTは2分岐しかできないがC4.5は3分岐以上もできる C
scikit-learnとgensimでニュース記事を分類する - Qiita
こんにちは、初心者です。 適当なニュース記事があったとして、ニュースのカテゴリを推測するみたいな、よくあるやつをやってみました。Python3.3を使いました。 何をやるの？ データセットはlivedoorニュースコーパスを使いました。 http://www.rondhuit.com/download.html#ldcc クリエイティブ・コモンズライセンスが適用されるニュース記事だけを集めてるそうです。 トピックニュース、Sports Watch、ITライフハック、家電チャンネル 、MOVIE ENTER、独女通信、エスマックス、livedoor HOMME、Peachy というクラスがあります。 データは、1記事1テキストファイルの形式で、クラス別のディレクトリにいっぱい入っています。 これを学習して、未知の文章に対して、お前は独女通信っぽい、お前は家電チャンネルっぽい、みたいに、分類が
ランダムフォレストの基礎と最新動向
• – • – • • • – – • – • – – – • • • – • – • – • • • – – – • – – – – • • • • • • • • – – – • – – – – • • • • – – • ∗ , ∗ • ∗ • – • • • – – • ∗ , ∗ • ∗ • – • • – – • • • • – – • ∗ , ∗ • ∗ • – • ∗ ∗ ∗ ∗ arg max • ∈ • ∈ , • • ∗ ∗ ∗ ∗ arg max • • – – • ∗ , ∗ • ∗ • – • • – – – • – – – – • • • • • • • – – • – • – • ∗ – – • – – • • – • – – – • – – – – • • • – – • • • • – – , ∈ 1, … , • • – – • Input depth
git pull 時の rebase オプションのススメ
今日は、Git で複数人作業を行う際に共有リポジトリから pull する際の rebase オプションの必要性について検討してみました。 タイトルで結果は想像つくような気がしますが、順を追ってみましょう。 git pull でやってること merge と rebase git pull と git pull --rebase まとめ 1. git pull でやってること git pull コマンドは、fetch, merge をまとめて実行しています。 つまり、リモートブランチの最新のコミット情報をローカルトラッキングブランチへ持ってきて（fetch）、持ってきた最新のコミット情報とローカルブランチをマージ（merge）します。 参考：3.5 Git のブランチ機能 - リモートブランチ 2. merge と rebase ブランチを統合するには、マージの他にリベースがあります。 mer
C++プログラマ キャスブログ
C++11から右辺値参照とムーブセマンティクス呼ばれる機能が追加されました。 それについては別の回でご紹介したいと思います。 今回はコンテナに追加するメソッドを置き換えるだけで効率的になる手段をお伝えします。 結論から言えば下記のメソッドを置き換えましょう！ push_back → emplace_back push_front → emplace_front こちらが参考コードです。 #include <vector> //std::vectorを使うためのヘッダー #include <cstdio> //printfを使うためのヘッダー class Test { public: Test(int i) { printf( "コンストラクタ\n"); } Test(const Test&) { printf( "コピーコンストラクタ\n"); } }; int main() { std:
トピックモデルの評価指標 Perplexity とは何なのか？
3. あらすじ • 前回、3.7節の発表の中で Perplexity を説 明したが、反応があまり良良くなかった • 今回は佐藤トピ本の p.123〜～125(3ページ) の内容だけにしぼって詳しく説明したい • Perplexity とは何か？を理理解することが ⽬目的 • 分かってる⼈人は寝ててください 4. トピックモデルの評価指標 • トピックモデルの評価指標として Perplexity と Coherence の 2 つが広く 使われている。 • Perplexity ：予測性能 • Coherence：トピックの品質 • 今回は Perplexity について解説する 4 Coherence については前回 の LT を参照してください。 http://www.slideshare.net/hoxo_m/coherence-57598192
PTGH：機械学習パラメータチューニングをDeep LearningとMCMCで高速に最適化するフレームワーク - 渋谷駅前で働くデータサイエンティストのブログ
苦節2年、とうとう完成しました。機械学習のパラメータチューニングに悩める皆さんのために、コーディングも数学も大の苦手な僕が頑張って作りました。それがPTGH (Parameter Tuning by God's Hand)フレームワークです。RでもPythonでも動きます。 中身としては、代表的な機械学習であるロジスティック回帰・SVM（線形orガウシアンカーネル）・ランダムフォレスト・Xgboost・Deep NN・Convolutional NNのそれぞれのパラメータチューニングを、arXivに上がっている論文に頻出のパターンに絞った上でそのパラメータ構成をRなら{mxnet}で、PythonならChainer / TensorFlowで回す際の記法に合わせてDeep Learningで学習させ、その学習済みモデルに基づいてMCMCで最適なパラメータの組み合わせを適応的に探し出して最適
Ruby開発者ならば知っておきたい記号の読み方の決定版「What do you call this in Ruby?」 | ソフトアンテナ
日本生まれのプログラミング言語「Ruby」。Rubyでプログラミングすることにかけては自信のある開発者の方も多いと思いますが、Rubyで使われている"記号"がどのような名前で呼ばれているかまでは押さえている方は少ないかもしれません。 「What do you call this in Ruby?」は、このRubyのプログラミングで使われているさまざまな記号の英語での呼び方をまとめたドキュメントです。びっくりするような名前や、一つの記号に複数の呼び名がつけられている記号があることがわかり興味深い情報となっています。 ▲例えばハッシュ記法で使用する「=>」は、hashrocket、 heavy arrow、fat arrowといった名前で呼ばれていることがわかります。特にhashrocketは検索してみると日本語で情報もみつかるので結構メジャーな呼び方のようです。 比較に使用する「<=>」は、
物理サーバを選定する際のポイント – Eureka Engineering – Medium
Eureka EngineeringLearn about Eureka’s engineering efforts, product developments and more.
Optcarrot: Ruby で書かれたファミコンエミュレータ - まめめも
ウソみたいな本当の話。Ruby でファミコンエミュレータを書いてみました。 気になる速度ですが、自分の環境では 20 fps ちょっと出ます。ファミコンは 60 fps なので、実速の 1/3 です。Ruby3x3 （Ruby 3 は Ruby 2 の 3 倍速い）という matz の宣言が実現すれば、実速が達成されることになりますね！ 試してみたい人はこんなふうに実行してください。 $ gem install ffi $ git clone http://github.com/mame/optcarrot.git $ cd optcarrot $ bin/optcarrot examples/Lan_Master.nesSDL2 か SFML が適切にインストールされている必要があります。Debian/Ubuntu なら apt-get install libsdl2-dev で。 Ru
Railsの教科書
プログラミング初学者へ向けたRailsを使ったWebアプリづくりの教科書。簡単なサンプルアプリを題材に、その動作と仕組みを解説し、他の書籍や資料では省かれがちなRailsおよびWebアプリの基礎の部分を丁寧に説明していきます。基礎力を付け理解を助ける、最初の1冊に。Rails 7.0対応。 関連サイト本書の関連ページが用意されています。 githubレポジトリ内容紹介プログラミング初学者へ向けたRailsを使ったWebアプリづくりの教科書。簡単なサンプルアプリを用意し、その動作と仕組みを解説し、他の書籍や資料では省かれがちなRailsおよびWebアプリの基礎の部分を丁寧に説明していきます。Railsの世界を歩くための基礎力を付け理解を助ける、最初の1冊に。 本書は2012年から2年間、一橋大学で筆者が行ったRubyとRailsの講義で使われた資料を書籍の形式にまとめ、最新のRails 7.
クラシックで心を豊かに！超初心者向けオーケストラ曲10選！ - あいむあらいぶ
かるび（@karub_imalive)です。 僕は仕事柄なのか性格なのか、結構多趣味な方です。 中にはおとなになってから増やした趣味もあるのですが、そのうちの一つが「クラシック音楽」。2009年からハマりました。 従来、音楽については中学生の頃からたまに洋楽全般やJ-POP、アイドル（笑）に寄り道しながらも、ヘヴィ・メタル一本だったのですが、結婚してから妻の影響で徐々に聴くようになっていったのでした。 クラシックにハマったきっかけ きっかけは、仕事の不振でした（笑） リーマン・ショックでIT業界（Sier）にも半年遅れで不況の波が押し寄せ、急にストレスフルな仕事が増えた時期でした。あの時は本当にひどかった。人、余り過ぎに辞めすぎで阿鼻叫喚でした。 採用担当をやっていたのに、採用の仕事は開店休業。採用しようにも既存社員にも割り当てるプロジェクトがないわけです。代わりに、ちょっとでも営業を強化
無料でダウンロードできるIT技術系電子書籍（EPUB／PDF）一覧【2016年版】
Microsoft PressとApressを中心に、無償で入手・購入可能なコンピューターおよびIT技術系の電子書籍を50冊以上、集めてみた。ほとんど英語の書籍だが、日本語書籍もいくつかあり。 ← 前回 連載 INDEX ※本稿は、昨年の同時期に公開した記事を、2016年現時点の最新情報にアップデートした記事である。 本や雑誌を電子書籍で読む機会が増えてきている。特に「紙の書籍よりも、電子書籍の方が大きく割安になっている場合は、電子書籍で買う」という人も多いのではないだろうか（特にIT業界の人は）。実際に自分もAndroidタブレットやiPhoneなどを使って電子書籍を読むことが増えてきた。また、Amazonプライム会員であればKindle端末上で月に1冊まで無料で読めるサービスがあり、その対象となる「コンピュータ・IT」系の電子書籍も徐々に増えてきている。電子書籍を読むための環境は年々
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
Amazon.co.jp: Cプログラム高速化研究班 コードを高速化する20の実験と達人の技: 片山善夫: 本
Amazon.co.jp: 64ビットアセンブラ入門: 64ビットCPUの基本構造もやさしく解説: 北山洋幸: 本
Amazon.co.jp: AVX命令入門: Intel CPUのSIMD命令を使い倒せ: 北山洋幸: 本
Amazon.co.jp: はじめて読むPentium マシン語入門編: 蒲地輝尚, 水越康博: 本
速攻MinCamlコンパイラ概説
[Python]PythonでOpenCVを使う (Edge Detection編) - Qiita![[Python]PythonでOpenCVを使う (Edge Detection編) - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/3ee12e389221b3c513e61f8562d866e4fa9e073e/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTAwNTIzJTJGcHJvZmlsZS1pbWFnZXMlMkYxNDczNzA4MTIwP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZmbT1wbmczMiZzPTlmNjVlN2Y3NTE0MGQwZWNmYjAwNzhkMmM3ZDJmMTZj%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D1c718de2b30c00590130a4e7c1781925%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCUHl0aG9uJTVEUHl0aG9uJUUzJTgxJUE3T3BlbkNWJUUzJTgyJTkyJUU0JUJEJUJGJUUzJTgxJTg2JTIwJTI4RWRnZSUyMERldGVjdGlvbiVFNyVCNyVBOCUyOSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1wYWQ9MCZzPTdlYjlmNDQxNjQ1MTBhOWJkMmM1ZDA1MmU3YjZlM2Fh%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBzdXBlcnNhaWFrdWppbiZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1wYWQ9MCZzPTllZGIzOTQ1YThjNDUxMjIwMWZhYTU3YjM2MTYwODI5%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D108f92df4d22928dcc65a209c70e260f)
Rubyで作るProlog処理系
説明は初心者向け、学ぶ知識はプロで通用するレベル、HTML5とCSS3が身につく良書 -いちばんやさしいHTML5&CSS3の教本
dbscan/dbscan/dbscan.py at master · choffstein/dbscan
Amazon.co.jp: 虚数の情緒: 中学生からの全方位独学法: 吉田武: 本
GitHub - SebastianMH/random-forest-classifier: A random forest classifier written in python.
GitHub - gdanezis/trees: A quick educational implementation of a random forest classifier and a decsion jungle classifier.
GitHub - lyst/rpforest: It is a forest of random projection trees
GitHub - balajiln/mondrianforest: Code for Mondrian Forests (for classification and regression)
GitHub - ironmanMA/Random-Forest: Random Forest Implementation in Java
GitHub - kjw0612/awesome-random-forest: Random Forest - a curated list of resources regarding random forest
GitHub - amirsaffari/online-random-forests: Online Random Forests
p44-49†@›ð’͆i‰à†j20-2135
pthreadについて一覧
pthreadについて（概要・生成）
bash で コマンドが成功するまでリトライする - Qiita
BraceExpansionでお手軽に複数処理 - Qiita