kernel-headersとkernel-devel - Qiita
$ rpm -qi kernel-headers ・ ・ Description : Kernel-headers includes the C header files that specify the interface between the Linux kernel and userspace libraries and programs. The header files define structures and constants that are needed for building most standard programs and are also needed for rebuilding the glibc package. $ rpm -ql kernel-headers | more /usr/include/asm /usr/include/asm-gen
PEGとC++11で作る言語処理系 - Qiita
PEGとC++11で作る言語処理系 言語処理系の作成と聞くと、難易度が高いと感じるかもしれません。しかしパーサージェネレータなどのツールを活用することによって，その敷居はぐっと低くなります。 この分野では、BNFからパーサーを生成するYaccが有名です。最近では PEG（Parser Expression Grammar）も知られるようになってきました。PEGの特徴の一つは，構文ルールだけでなく字句ルールも同時に定義できることです。現在、主要なプログラミング言語のほとんどにPEGパーサージェネレータが存在します。中には抽象構文木（AST）まで生成してくれるものもあります。 こうしたツールの助けを活用すると，言語処理系の作成はかなり容易になります。PEGで文法を定義し，ASTを実行する評価器を実装すれば，あとはPEGライブラリの助けを借りて言語処理系を完成させることができます。 今回は拙作の
誤差逆伝播法における行列演算まとめ - Qiita
1. はじめに 誤差逆伝播法とは，ニューラルネットワークのパラメータ学習手法の１つです．考え方がシンプルであり，かつ優れた解説記事がたくさんあるので，個々のパラメータの更新式を理解するのは難しくありません．しかし，複数のパラメータをまとめて更新する場合，転置，行列積，およびアダマール積の入り混じった行列地獄にハマります．少なくとも私はハマりました． 本記事では，誤差逆伝播法自体の説明には立ち入らず，誤差逆伝播法を行列としてどう実装するか（どんなカタチなのか）をまとめます．勉強中の身ですので，誤り等があればご指摘頂けると幸いです． 2. モデル 本記事では，下図のような多層パーセプトロンの教師あり学習を想定します． $\mathbf{x} = \{ x_{i} \}$は入力ノード，$\mathbf{h} = \{ h_{j} \}$は隠れノード，$\mathbf{y} = \{ y_{k}
Python: scikit-learn で主成分分析 (PCA) してみる - CUBE SUGAR CONTAINER
主成分分析 (PCA) は、主にデータ分析や統計の世界で使われる道具の一つ。 データセットに含まれる次元が多いと、データ分析をするにせよ機械学習をするにせよ分かりにくさが増える。 そんなとき、主成分分析を使えば取り扱う必要のある次元を圧縮 (削減) できる。 ただし、ここでいう圧縮というのは非可逆なもので、いくらか失われる情報は出てくる。 今回は、そんな主成分分析を Python の scikit-learn というライブラリを使って試してみることにした。 今回使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.4 BuildVersion: 16E195 $ python --version Python 3.6.1 下準備 あらかじめ、今回使う Python のパッケージを pip でインストールしておく。
Try Deep Learning in Python now with a fully pre-configured VM
New VM image — updated March 2018! I love to write about face recognition, image recognition and all the other cool things you can build with machine learning. Whenever possible, I try to include code examples or even write libraries/APIs to make it as easy as possible for a developer to play around with these fun technologies. But the number one question I get asked is “How in the world do I get
gRPCとServer-Sent Eventsでサーバプッシュできるplasmaを公開しました - tehepero note(・ω<)
2017 - 04 - 05 gRPCとServer-Sent Eventsでサーバプッシュできるplasmaを公開しました serverpush gRPC SSE この度OpenFRESHプロジェクト（ 生放送動画配信プラットフォーム FRESH! の オープンソース プロジェクト）は、 plasma というプロダクトを公開しました。 plasmaとは plasmaとは何ぞやという話ですが、 gRPC streamとServer Sent Event(SSE) を用いた汎用的なServer Push ミドルウェア 。 github.com Plasmaにイベントデータ（イベントタイプとPayload）を投げると、それを購読（SUBSCRIBE）しているクライアントに通知される。gRPC Streamを使っているので、基本的にgRPC対応言語で書かれたクライアントであれば利用可能。 Web
Fluent-Bit v0.11 リリース - 一寸先は/dev/null
Fluent-Bit v0.11 が2017/03にリリースされました。今回のリリースはかなりすごいですよ！ http://fluentbit.io/download/ おおまかなTopic in_tail Plugin (ログをはじめとするファイルの各行を収集) in_disk Plugin (ストレージへの Read/Write アクセスサイズを収集) in_proc Plugin (特定プロセスのメモリ使用量やfd消費数を収集) out_file Plugin (ファイルへの出力) Filter Plugin Parser out_forward に Secure forward mode追加 in_memの書式がfree(1)っぽくなりました あたりでしょうか。他にも色々と新機能がありますので詳しくは公式のリリースノートを参照ください。 Fluent Bit v0.11.0 - R
#/usr/binとその同種の周辺を探る | POSTD
(注：2017/04/10、いただいたフィードバックを元に翻訳を修正いたしました。) はじめに 私はLinuxが大好きです。コンピュータとのやりとりが楽しくなるし学ぶことも多くなります。OSとハードウェアの基盤となる基本原則を学びたい人にとって、Linuxはとてもいい出発点と言えるでしょう。 ご存じのとおりLinuxとは大抵の場合プログラム（コマンド）を通してやりとりします。Linuxと他のUNIX系システムが持っている特徴は、コマンドラインと、パイプのコンセプトです。プログラムの提供する入力と出力を統合すれば、データを操作するのに非常にパワフルなプラットフォームになります。 Linuxのコマンド、プログラム、バイナリ（何と呼んでもいいのですが）の大部分は、/usr/bin、/usr/sbin/、/binそして/usr/local/binに存在しています。これらのディレクトリを見れば、プロ
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
OpenStack Neutron Performance and Scalability: Testing summary | Mirantis
Performance Comparison of Incremental K-means and Incremental DBSCAN Algorithms