JIT compilation - TechTalksNSU - March 2014
V8 & DartVM Ð’ÑчеÑлав Егоров @mraleph, [email protected] Tech Talks NSU, March 2014 V8 - JS VM внутри Chrome и node.js Dart - новый Ñзык Ð´Ð»Ñ Ð²ÐµÐ±Ð¿Ñ€Ð¾Ð³Ñ€Ð°Ð¼Ð¼Ð¸Ñ€Ð¾Ð²Ð°Ð½Ð¸Ñ VM - Ñто проÑто БыÑÑ‚Ñ€Ð°Ñ VM - Ñложнее Ð’ чем проблема? // Adding integers. function add(a, b) { return a + b; } // Adding doubles. function add(a, b) { return a + b; } // Concatenating strings. function add(a, b) { return a + b; } // Arrays a
Go: object oriented and concurrent
Go: object oriented and concurrent Just not the usual way Francesc Campoy Developer Advocate for Go and the Cloud Recording A recording of this talk is available on YouTube youtu.be/Ng8m5VXsn8Q 2 What is Go? Go is an open-source programming language created at Google, to solve Google-scale problems. 3 Who uses Go? Google: YouTube dl.google.com Others: dotCloud (Docker) SoundCloud Canonical CloudFl
TAMRON Model A16 17-50mm F/2.8 新開発
「第3回 鉄é“åšç‰©é¤¨ãƒŠã‚¤ãƒˆãƒŸãƒ¥ãƒ¼ã‚¸ã‚¢ãƒ 撮影会＆鉄é“撮影マナー講座ã€ã‚’開催 - 125組・250å様を無料ã”招待　本日よりå—付開始
最近乗りæ›ãˆãŸvimプラグインやら - Qiita
ディレクトリツリーã‹ã‚‰ãƒ•ã‚¡ã‚¤ãƒ«é¸æŠž NERDTreeã‹ã‚‰vimfilerã«ä¹—ã‚Šæ›ãˆãŸã€‚ 両者ã¯ã„ãšã‚Œã‚‚ディレクトリツリーã‹ã‚‰ãƒ•ã‚¡ã‚¤ãƒ«ã‚’é–‹ãã¨ã„ã†æ„味ã§ã¯ä¸€è¦‹è‰¯ãã¦ã„ä¼¼ã¦ã„ã¾ã™ã€‚ ã—ã‹ã—ãã®ã‚³ãƒ³ã‚»ãƒ—トã¯åˆ¥ç‰©ã§ã€è‡ªåˆ†ã«ã¯vimfilerã®ã‚³ãƒ³ã‚»ãƒ—トãŒåˆè‡´ã—ãŸã®ã§ä¹—ã‚Šæ›ãˆã¾ã—ãŸã€‚ ç°¡å˜ã«ã„ãˆã°NERDTreeã¯å¸¸ã«ãƒ‡ã‚£ãƒ¬ã‚¯ãƒˆãƒªãƒ„リーを表示ã—ã¦ä½¿ç”¨ã™ã‚‹ã®ã«å¯¾ã—〠vimfilerã¯ãƒ‡ã‚£ãƒ¬ã‚¯ãƒˆãƒªãƒ„リーを必è¦ã«å¿œã˜ã™ã¹ã¦ã®ã‚¦ã‚£ãƒ³ãƒ‰ã‚¦ã§è¡¨ç¤ºå¯èƒ½ãªç‚¹ãŒç•°ãªã‚Šã¾ã™ã€‚ 説明ãŒä¸‹æ‰‹ã™ãŽã‚‹ã®ã§ã€è©³ç´°ã¯vimfilerã®ãƒ˜ãƒ«ãƒ—ã«ã‚‚リンクã—ã¦ã‚る以下をå‚ç…§ã—ã¦ä¸‹ã•ã„。 ã‚ã‹ã‚Šã‚„ã™ã„。 http://vimcasts.org/blog/2013/01/oil-and-vinegar-split-windows-and-project-drawer/ ãªãŠNERDTreeçš„ãªä½¿ã„方も必è¦ãªå ´åˆã¯:VimFilerExpl
HashiCorp Consul 0.4
PackerBuild and manage images as code​​​​‌â€ï»¿â€‹â€â€‹â€â€Œâ€ï»¿ï»¿â€Œï»¿â€‹â€â€Œâ€â€â€Œâ€Œâ€â€Œï»¿â€Œâ€â€â€Œâ€Œâ€ï»¿â€â€‹â€â€‹â€â€‹ï»¿â€â€â€‹â€â€‹â€â€Œâ€â€Œâ€‹â€Œâ€â€‹â€Œâ€Œï»¿â€Œâ€‹â€Œâ€ï»¿ï»¿â€Œâ€â€‹ï»¿â€Œâ€ï»¿â€Œâ€Œï»¿â€‹ï»¿â€‹â€ï»¿â€â€Œâ€â€‹ï»¿â€Œâ€ï»¿ï»¿â€Œâ€ï»¿â€Œâ€‹â€â€‹â€â€‹â€ï»¿â€‹â€‹â€â€‹â€â€Œâ€â€â€‹â€Œï»¿â€‹â€â€Œâ€â€Œâ€Œâ€Œâ€â€Œâ€â€‹â€â€‹â€â€‹ï»¿â€â€â€‹â€â€‹â€â€Œâ€â€â€‹â€Œï»¿â€Œâ€‹â€Œï»¿â€Œâ€‹â€Œï»¿â€‹â€‹â€Œï»¿â€‹ï»¿â€‹ï»¿â€â€â€‹â€ï»¿ï»¿â€‹â€ï»¿ï»¿â€Œâ€â€â€‹â€Œâ€â€‹â€Œâ€Œï»¿â€‹ï»¿â€Œâ€â€â€‹â€Œâ€â€â€Œâ€Œâ€â€‹ï»¿â€Œâ€ï»¿ï»¿â€Œï»¿â€‹â€â€Œï»¿â€‹â€‹â€‹â€ï»¿â€â€Œâ€â€‹â€Œâ€Œâ€â€Œâ€‹â€Œâ€ï»¿â€Œâ€Œâ€â€â€Œâ€Œâ€ï»¿â€â€‹â€ï»¿â€â€Œâ€â€Œâ€‹â€Œâ€â€‹â€Œâ€Œï»¿â€Œâ€‹â€Œâ€ï»¿ï»¿â€Œâ€â€‹ï»¿â€Œâ€ï»¿â€Œâ€Œï»¿â€‹ï»¿â€‹â€ï»¿â€â€Œâ€â€‹ï»¿â€Œâ€ï»¿ï»¿â€Œâ€ï»¿â€Œâ€‹â€ï»¿ï»¿â€Œâ€â€Œâ€Œâ€Œâ€â€Œâ€‹â€Œâ€â€â€Œâ€Œï»¿â€Œâ€‹â€Œâ€ï»¿ï»¿â€Œï»¿â€‹â€â€‹â€ï»¿ï»¿â€Œâ€â€â€Œâ€Œï»¿â€Œâ€‹â€Œâ€â€Œâ€Œâ€Œâ€ï»¿â€Œâ€Œâ€Œï»¿ï»¿â€Œï»¿â€Œâ€‹â€Œï»¿â€â€Œâ€Œï»¿â€‹â€‹â€Œâ€â€Œâ€Œâ€Œï»¿â€‹ï»¿â€‹â€ï»¿ï»¿â€Œâ€Œâ€â€Œâ€‹ï»¿â€Œâ€â€Œâ€ï»¿ï»¿â€Œï»¿â€
ImageNet
ImageNet is an image database organized according to the WordNet hierarchy (currently only the nouns), in which each node of the hierarchy is depicted by hundreds and thousands of images. The project has been instrumental in advancing computer vision and deep learning research. The data is available for free to researchers for non-commercial use.
Deep learning実装ã®åŸºç¤Žã¨å®Ÿè·µ
2014å¹´8月26æ—¥ã®æ—¥æœ¬ç¥žçµŒå›žè·¯å¦ä¼šä¸»å‚¬ã‚»ãƒŸãƒŠãƒ¼ã€ŒDeep LearningãŒæ‹“ã世界ã€ã«ãŠã‘る発表スライドã§ã™ã€‚Deep Learningã®ä¸»ãªãƒ•ãƒ¬ãƒ¼ãƒ ワークã§å…±é€šã™ã‚‹è¨è¨ˆéƒ¨åˆ†ã¨ã€å®Ÿé¨“ã®ä»•æ–¹ã«ã¤ã„ã¦èª¬æ˜Žã—ã¦ã„ã¾ã™ã€‚Read less
実装ディープラーニング
2. 紹介 ï½ å²¡  å³â¾¥é‡Œï§©æµ  (早⼤大ç†ï§¤â¼¯å·¥M1) ï½ å‡ºâ¾èº«ã€ä½ã¾ã„ç‰ Â Â Â Â Â æ¨ªæµœ ï½ è¶£å‘³â€ƒã€€æ˜ ç”»é‘‘è³ž,  シンセ  /  kaggleæ´ Â 3ヶ⽉月 ï½ å¥½ããªç‰©â€ƒã€€redbullã¨æœ€è¿‘ã¯ãƒ‰ã‚¯ãƒš ï½ @0kayu ç ”ç©¶   脳画åƒã‚’⽤用ã„ãŸè¨ºæ–補助法ã®é–‹ç™º 2
MIRU2014 tutorial deeplearning
This document summarizes a presentation about variational autoencoders (VAEs) presented at the ICLR 2016 conference. The document discusses 5 VAE-related papers presented at ICLR 2016, including Importance Weighted Autoencoders, The Variational Fair Autoencoder, Generating Images from Captions with Attention, Variational Gaussian Process, and Variationally Auto-Encoded Deep Gaussian Processes. It
Deep Learningã®æŠ€è¡“ã¨æœªæ¥
ç”»åƒã‚»ãƒ³ã‚·ãƒ³ã‚°ã‚·ãƒ³ãƒã‚¸ã‚¦ãƒ (SSII 2019) ã®ä¼ç”»ã‚»ãƒƒã‚·ãƒ§ãƒ³ã€Œæ·±å±¤å¦ç¿’ã®é«˜é€ŸåŒ– 〜 高速ãƒãƒƒãƒ—ã€åˆ†æ•£å¦ç¿’ã€è»½é‡ãƒ¢ãƒ‡ãƒ« 〜​ã€ã®è¬›æ¼”資料ã§ã™ã€‚ 深層å¦ç¿’モデルを高速化ã™ã‚‹ä¸‹è¨˜6種類ã®æ‰‹æ³•ã®è§£èª¬ã§ã™ã€‚ - 畳ã¿è¾¼ã¿ã®åˆ†è§£ (Factorization) - æžåˆˆã‚Š (Pruning) - アーã‚テクãƒãƒ£æŽ¢ç´¢ (Neural Architecture Search; NAS) - 早期終了ã€å‹•çš„計算グラフ
(Early Termination, Dynamic Computation Graph) - 蒸留 (Distillation) - é‡å化 (Quantization)
ç”»åƒèªè˜åˆ†é‡Žã§ã® ディープラーニングã®ç ”ç©¶å‹•å‘ å²¡è°· 貴之 æ±åŒ—大å¦
ä¼ç”»ã‚»ãƒƒã‚·ãƒ§ãƒ³2「ディープラーニング〠• 趣旨：応用３分野ã«ãŠã‘ã‚‹Deep Learning（深層å¦ç¿’）ã®ç ”究 ã®ç¾çŠ¶ • ç”»åƒï¼šå²¡è°·è²´ä¹‹ï¼ˆæ±åŒ—大å¦ï¼‰ – 「画åƒèªè˜åˆ†é‡Žã§ã®ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングã®ç ”究動å‘〠• 音声：久ä¿é™½å¤ªéƒŽï¼ˆNTTコミュニケーション科å¦åŸºç¤Žç ”究所） – 「音声èªè˜åˆ†é‡Žã«ãŠã‘る深層å¦ç¿’技術ã®ç ”究動å‘〠• 自然言語処ç†ï¼šæ¸¡é‚‰é™½å¤ªéƒŽï¼ˆæ±åŒ—大å¦ï¼‰ – 「自然言語処ç†ã«ãŠã‘るディープラーニングã®ç¾çŠ¶ã€ ç”»åƒèªè˜åˆ†é‡Žã§ã® ディープラーニングã®ç ”ç©¶å‹•å‘ å²¡è°· 貴之 æ±åŒ—å¤§å¦ NNã®åŸºæœ¬è¦ç´ Neural Network NNç ”ç©¶ã®æ´å² DNNã®éŽå¦ç¿’ã¨ãã®å…‹æœ • DNN → éŽå¦ç¿’ãŒèµ·ã“ã‚‹ – 訓練誤差ã¯å°ã•ã„ãŒæ±ŽåŒ–誤差ã¯å¤§ • ç¾è±¡ – 下層ã¾ã§æƒ…å ±ãŒä¼ã‚らãªã„；勾é…㌠拡散；訓練データãŒä¸Šä½å±¤ã®ã¿ã§ 表ç¾å¯èƒ½ – å…¨çµåˆåž‹ã®NNã§é¡•è‘— • éŽå¦ç¿’ã®å…‹æœ １．å¦ç¿’最é©åŒ–ã®å·¥å¤«
実装ディープラーニング
2. 紹介 ï½ å²¡  å³â¾¥é‡Œï§©æµ  (早⼤大ç†ï§¤â¼¯å·¥M1) ï½ å‡ºâ¾èº«ã€ä½ã¾ã„ç‰ Â Â Â Â Â æ¨ªæµœ ï½ è¶£å‘³â€ƒã€€æ˜ ç”»é‘‘è³ž,  シンセ  /  kaggleæ´ Â 3ヶ⽉月 ï½ å¥½ããªç‰©â€ƒã€€redbullã¨æœ€è¿‘ã¯ãƒ‰ã‚¯ãƒš ï½ @0kayu ç ”ç©¶   脳画åƒã‚’⽤用ã„ãŸè¨ºæ–補助法ã®é–‹ç™º 2
一般å‘ã‘ã®Deep Learning
PFI 全体セミナーã§ç™ºè¡¨ã—ãŸã€å°‚門家å‘ã‘ã§ã¯ãªã一般å‘ã‘ã®Deep Learning（深層å¦ç¿’）ã®è§£èª¬ã§ã™ã€‚ã©ã®ã‚ˆã†ãªå ´é¢ã§æ´»èºã—ã¦ã„ã‚‹ã®ã‹ã€ä»Šã¾ã§ã®å¦ç¿’手法ã¨ä½•ãŒé•ã†ã®ã‹ã‚’解説ã—ã¦ã„ã¾ã™ã€‚Read less
Restricted Boltzmann Machineã®å¦ç¿’手法ã«ã¤ã„ã¦ã®ç°¡å˜ãªã¾ã¨ã‚
è¿‘å¹´ã®æ©Ÿæ¢°å¦ç¿’ã§ã¯Deep Learningã¨å‘¼ã°ã‚Œã‚‹åˆ†é‡ŽãŒä¸€ä¸–を風é¡ã—ã¦ã„ã¾ã™ï¼Žã‚³ãƒ³ãƒ”ュータビジョンや自然言語処ç†ï¼ŒéŸ³å£°èªè˜ãªã©ã®åˆ†é‡Žã§ã¯ä½•ã‚‰ã‹ã®å•é¡Œã‚’解ã“ã†ã¨ã—ãŸéš›ã«ï¼Œã¾ãšå¯¾è±¡ã®å…¥åŠ›ãƒ‡ãƒ¼ã‚¿ã‹ã‚‰SIFTやケプストラムã¨ã„ã£ãŸä½•ã‚‰ã‹ã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ を用ã„ã¦ç‰¹å¾´ãƒ™ã‚¯ãƒˆãƒ«ã‚’抽出ã—，ã”ã‚Šã”ã‚Šã¨åˆ¤åˆ¥ã—ã¦ã„ãã¨ã„ã£ãŸæµã‚ŒãŒä¸€èˆ¬çš„ã§ã™ï¼Žã—ã‹ã—，ãã®ç‰¹å¾´ãƒ™ã‚¯ãƒˆãƒ«ã‚’生æˆã™ã‚‹ã¨ã„ã†ç”Ÿã®ãƒ‡ãƒ¼ã‚¿ã‹ã‚‰æœ¬è³ªã¨ãªã‚‹éƒ¨åˆ†ã‚’抽出ã™ã‚‹ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ 自体ã¯ç ”究者ãŒä¸€ç”Ÿæ‡¸å‘½è€ƒãˆãªãŒã‚‰ä½œã‚‹ã®ãŒæ™®é€šã§ã—ãŸï¼Ž Deep Learningã®åˆ†é‡Žã§æœ€ã‚‚有åãªæ‰‹æ³•ã®ä¸€ã¤ã§ã‚ã‚‹Deep Belief Nets(DBN) [Hinton06]ã¯ï¼Œç ”究者ãŒã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ を作るã®ã§ã¯ãªã，ãれ自体も機械å¦ç¿’ã«ã‚„らã›ã¾ã—ょã†ã¨ã„ã†å‹•æ©Ÿã§ç”Ÿã¾ã‚ŒãŸã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã§ã™ï¼ŽDBNã§ã¯ã¾ã‚‹ã§ä¸€æ˜”å‰ã«ã‚„ãŸã‚‰æµè¡Œã£ãŸãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã®ã‚ˆã†ã«å„ノードを層状ã«é…ç½®ã—，ã
ãã“ã¨ç”»åƒå‡¦ç† part 2 – 猫検出 (モデルé…布) – Rest Term
ãã“ã¨ç”»åƒå‡¦ç†ã€‚ (アイシャ – æ± è¢‹ ãã“ã‚ã³) å‰å›žã®ãã“ã¨ç”»åƒå‡¦ç† part 1 – ç´ æ集ã‚ã§ã¯çŒ«ç”»åƒã®é›†ã‚æ–¹ã«ã¤ã„ã¦æ•´ç†ã—ã¾ã—ãŸã€‚今回ã¯ãã®é›†ã‚ãŸçŒ«ç”»åƒã‚’使ã£ã¦çŒ«æ¤œå‡ºç”¨ã®å¦ç¿’モデル(分類器)を作æˆã—ãŸã„ã¨æ€ã„ã¾ã™ã€‚ãã‚Œã«ã¯ã„ã‚ã„ã‚ã¨æº–å‚™ãŒå¿…è¦ã§ã™ã€‚ モデル(分類器)ã®é…布ã«ã¤ã„ã¦ã¯ã“ã®ã‚¨ãƒ³ãƒˆãƒªãƒ¼ã®å¾ŒåŠã§èª¬æ˜Žã—ã¾ã™ã€‚ アノテーションデータã®åŽé›† å¦ç¿’モデルを作るå‰ã«çŒ«ã®ã©ã®éƒ¨åˆ†ã‚’検出ã™ã‚‹ã‹ã‚’決ã‚ã‚‹å¿…è¦ãŒã‚ã‚Šã¾ã™ãŒã€ä»Šå›žã¯çŒ«ã®é¡”(é )部分ã®æ¤œå‡ºã‚’è¡ŒãŠã†ã¨æ€ã„ã¾ã™ã€‚ãã®ãŸã‚ã®ã‚¢ãƒŽãƒ†ãƒ¼ã‚·ãƒ§ãƒ³ãƒ‡ãƒ¼ã‚¿ä½œæˆè£œåŠ©ãƒ„ールを作æˆã—ãŸã®ã§ãれを使ã£ã¦ã²ãŸã™ã‚‰ãƒ‡ãƒ¼ã‚¿ã‚’集ã‚ã¾ã™ã€‚僕一人ã®ä½œæ¥ã ã¨é™ç•ŒãŒã‚ã£ãŸã®ã§ã™ãŒã€ã‚¯ãƒ©ã‚¦ãƒ‰ã‚½ãƒ¼ã‚·ãƒ³ã‚°ã«ã‚ˆã‚Šãƒãƒƒãƒˆä¸Šã®é¡”も知らãªã„有志é”ã®å”力ã®ãŠã‹ã’ã§ã‚ã£ã¨ã„ã†é–“ã«ãƒ‡ãƒ¼ã‚¿ãŒé›†ã¾ã‚Šã¾ã—ãŸã€‚ アノテーションデータ作æˆè£œåŠ©ãƒ„ールã®ä½œæˆã«ã‚ãŸã£ã¦ã¯ä»¥ä¸‹ã®ã‚µã‚¤ãƒˆã‚’å‚考ã«ã•ã›ã¦ã‚‚らã„ã¾
Atsushi TATSUMA Web Page » OpenCV 㧠SIFT 記述åã‚’ Dense Sampling ã™ã‚‹
ã¯ã˜ã‚ã« ç”»åƒèªè˜ã®æ¨™æº–çš„ãªç‰¹å¾´ãƒ™ã‚¯ãƒˆãƒ« Bag-of-Visual-Words を作æˆã™ã‚‹æ™‚ã«ã€ç”»åƒã‹ã‚‰å¤§é‡ã«å±€æ‰€ç‰¹å¾´é‡ã‚’抽出ã—ã¾ã™ã€‚局所特徴é‡ã‚’抽出ã™ã‚‹éš›ã®ç‰¹å¾´ç‚¹ã®ä½ç½®ã‚’決ã‚る方法ã€ã‚µãƒ³ãƒ—リング方法ã«ã¯ã€ä¸€å®šã®å¤§ãã•ãƒ»è§’度・間隔ã§ç‰¹å¾´ç‚¹ã‚’ã¨ã‚‹ Dense (Grid) Sampling ãŒä¸€èˆ¬çš„ã§ã™ã€‚ã“ã® Dense Sampling ã‚’ã€OpenCV ã§å†ç¾ã™ã‚‹éš›ã«ã¯ã€DenseFeatureDetector クラスãŒä¾¿åˆ©ã§ã™ã€‚ サンプルプãƒã‚°ãƒ©ãƒ 入力ã•ã‚ŒãŸç”»åƒãƒ•ã‚¡ã‚¤ãƒ«ã«å¯¾ã—ã¦ã€ç‰¹å¾´ç‚¹ã®ä½ç½®ã‚’ Dense Sampling 法ã§è¨å®šã—ã€çµæžœã‚’ファイルã«æ›¸ã出ã™ãƒ—ãƒã‚°ãƒ©ãƒ ã§ã™ã€‚使用ã—㟠OpenCV ã®ãƒãƒ¼ã‚¸ãƒ§ãƒ³ã¯ã€2.3.1 ã§ã™ã€‚ #include <iostream> #include <opencv2/imgproc/imgproc.hpp> #include <opencv
Extracting HoG Features using OpenCV
I am trying to extract features using OpenCV's HoG API, however I can't seem to find the API that allow me to do that. What I am trying to do is to extract features using HoG from all my dataset (a set number of positive and negative images), then train my own SVM. I peeked into HoG.cpp under OpenCV, and it didn't help. All the codes are buried within complexities and the need to cater for differe
Amazon.co.jp: Raspberry Pi用2.8インãƒã€€TFTモニタ特別セット: パソコン
Pi用2.8インムTFTモニタã®ç‰¹åˆ¥ã‚»ãƒƒãƒˆ
OpenCV CMakeã§Intelã®IPPå°Žå…¥(Mac/Linuxç·¨) - リンゴをã‹ã˜ã‚Œ
Intelã®IPPã¨ã¯ã€SIMDを使ã£ãŸãƒ™ã‚¯ãƒˆãƒ«æ¼”ç®—ã§å‡¦ç†ã‚’ï¼”å€ã€ï¼˜å€ã¨è¨€ã£ãŸé€Ÿåº¦ã«æŠ¼ã—上ã’ãŸã‚Šã€ 特化ã•ã‚ŒãŸå°‚用命令を使ã£ã¦ç¬¦å·æ¼”ç®—ã‚„æ•°å¦çš„ãªå‡¦ç†ã‚’高速化ã™ã‚‹ãƒ‘ッケージã§ã™ã€‚ OpenCVã§ã¯ã“ã®IPPパッケージãŒå†…部的ã«ä½¿ã‚ã‚Œã¦ãŠã‚Šã€ å°Žå…¥ã™ã‚‹ã ã‘ã§ç‰¹å®šã®APIãŒé«˜é€ŸåŒ–ã™ã‚‹ã“ã¨ãŒã§ãã¾ã™ã€‚ ãã“ã§OpenCVã®CMakeã§Intelã®IPPã‚’Linux/Macã«å°Žå…¥æ‰‹é †ãƒ¡ãƒ¢ã‚’å–る事ã«ã—ã¾ã—ãŸã€‚ (ã¯ã¦ã€ãƒˆãƒ©ã‚¤ã‚¢ãƒ«éŽãŽã¦ã‚‚何故ã‹ä½¿ãˆã¦ã‚‹ã®ã§ã™ãŒã©ã†ã—ã¦ã ã‚ã†ï¼Ÿï¼Ÿ) IPPインストール Intel IPPページã§é©å½“ãªã‚¢ã‚«ã‚¦ãƒ³ãƒˆã®å…¥åŠ›ã¨ã€ãƒ€ã‚¦ãƒ³ãƒãƒ¼ãƒ‰ã€‚ Linux用ã®ãƒ‘ッケージをダウンãƒãƒ¼ãƒ‰ã€‚ tar zxvf l_ipp_8.0.0.061.tgz ã§è§£å‡ã€‚ cd l_ipp_8.0.0.061 ./install.sh ã§ã‚¤ãƒ³ã‚¹ãƒˆãƒ¼ãƒ«é–‹å§‹ã€‚ 購入ã—ã¦ã„る人ã¯ãƒ—ãƒãƒ€ã‚¯ãƒˆã‚ーを入力ã€
Instagram: Android/Javaå‘ã‘ã®JSONパース - ワザノム| wazanova
http://instagram-engineering.tumblr.com/post/97147584853/json-parsing 1 comment | 0 points | by WazanovaNews â– comment by Jshiike | ç´„8æ™‚é–“å‰ InstagramãŒã€ig-json-parserをオープンソースã§æä¾›ã—ã¦ã„ã¾ã™ã€‚ 背景 Androidã«ãŠã‘ã‚‹ã€JSONã®ã‚¨ãƒ³ã‚³ãƒ¼ãƒ‡ã‚£ãƒ³ã‚°/デコーディングã¯ã€dalvik特有ã®å•é¡Œã‚„メモリ消費ãŒèª²é¡Œã¨ãªã‚‹ã€‚ Jackson ObjectMapperã§ä¸Šè¨˜ã®å•é¡Œã¯æ¦‚ã解決ã§ãã‚‹ãŒã€ シリアライズ/デシリアライズã—ãŸã“ã¨ã®ãªã„オブジェクトを処ç†ã™ã‚‹éš›ã®ãƒšãƒŠãƒ«ãƒ†ã‚£ãŒå¤§ãã„。モãƒã‚¤ãƒ«ã®èµ·å‹•æ™‚é–“ã«å½±éŸ¿ã™ã‚‹ã‚±ãƒ¼ã‚¹ã‚‚ã‚ã‚‹ã®ã§ã€é ãŒç—›ã„。メモリãŒå¤§ãã割り当ã¦ã‚‰ã‚Œã‚‹ã®ã§ã€ã‚¬ãƒ™ãƒ¼ã‚¸ã‚³ãƒ¬ã‚¯ã‚¿ã¨ã®çµ¡ã¿ã‚’考慮ã™ã‚‹å¿…è¦ãŒã‚る。作æ¥ãŒå®Œäº†ã—
GoogleãŒFarmHashを公開，文å—列ãƒãƒƒã‚·ãƒ¥é–¢æ•°ã®ãƒ‹ãƒ¥ãƒ¼ãƒ•ã‚¡ãƒŸãƒªãƒ¼
Spring Bootã«ã‚ˆã‚‹APIãƒãƒƒã‚¯ã‚¨ãƒ³ãƒ‰æ§‹ç¯‰å®Ÿè·µã‚¬ã‚¤ãƒ‰ 第2版 何åƒäººã‚‚ã®é–‹ç™ºè€…ãŒã€InfoQã®ãƒŸãƒ‹ãƒ–ック「Practical Guide to Building an API Back End with Spring Bootã€ã‹ã‚‰ã€Spring Bootを使ã£ãŸREST API構築ã®åŸºç¤Žã‚’å¦ã‚“ã 。ã“ã®æœ¬ã§ã¯ã€å‡ºç‰ˆæ™‚ã«æ–°ã—ãリリースã•ã‚ŒãŸãƒãƒ¼ã‚¸ãƒ§ãƒ³ã§ã‚ã‚‹ Spring Boot 2 を使用ã—ã¦ã„る。ã—ã‹ã—ã€Spring Boot3ãŒæœ€è¿‘リリースã•ã‚Œã€é‡è¦ãªå¤‰...
gulpfile スタイルガイド - v0.5.0 - Qiita
ã“ã®ãƒ‰ã‚ュメントã¯ã€gulpfileã®å†åˆ©ç”¨æ€§/メンテナンス性を高ã‚ã‚‹ã“ã¨ã‚’目的ã¨ã—ãŸã€éžå…¬å¼ãªã‚¹ã‚¿ã‚¤ãƒ«ã‚¬ã‚¤ãƒ‰ã§ã™ã€‚ æ›´æ–°æƒ…å ± 2014/10/05 - ãƒãƒ¼ã‚¸ãƒ§ãƒ³ç•ªå·ã¤ã‘ã¾ã—ãŸã€‚ 2014/10/04 - 「タスク辞書ã€ã‚らãŸã‚「タスクã®å…±æœ‰ã€ã«ã€‚以å‰ã®å†…容ã¯gulpfilesã¨ã—ã¦åˆ¥ãƒ‰ã‚ュメントã«ã€‚ ã¯ã˜ã‚ã« gulpfileã¯gulp.jsã®ã‚¿ã‚¹ã‚¯ã‚’定義ã™ã‚‹ãƒ•ã‚¡ã‚¤ãƒ«ã§ã™ã€‚スクリプトファイルãªã®ã§è‡ªç”±ã«æ›¸ã‘ã‚‹åé¢ã€ãƒ—ãƒã‚¸ã‚§ã‚¯ãƒˆãŒå¤§ãããªã‚‹ã¨ã€æ›¸å¼ã‚’統一ãŒå•é¡Œã«ãªã‚Šã¾ã™ã€‚ãã‚“ãªæ™‚ã€ã“ã®ã‚¹ã‚¿ã‚¤ãƒ«ã‚¬ã‚¤ãƒ‰ãŒå½¹ã«ç«‹ã¤ã§ã—ょã†ã€‚対象ã¨ãªã‚‹ã®ã¯æ¬¡ã®ã‚ˆã†ãªã‚±ãƒ¼ã‚¹ã§ã™ã€‚ gulp.js ã«æ…£ã‚Œã¦æ¥ã¦ã€å†åˆ©ç”¨æ€§ã®ã‚るタスクを書ããŸã„ ãƒãƒ¼ãƒ ã§é‹ç”¨ã™ã‚‹å¿…è¦ãŒã‚ã‚Šã€æ›¸å¼ã‚’統一ã—ãŸã„ スタイルガイドã¨ã—ã¦ã€ä¸‹è¨˜ã‚’å‚考ã«ã—ã¦ã„ã¾ã™ã€‚ã¾ãŸã€ã“ã“ã§è¿°ã¹ãªã„ JavaScript / CoffeeScript ã®è¨€èªžã¨
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
GitHub - jas/playground: Create your own interactive Swift playgrounds with embedded documentation compiled from Markdown
GitHub - dai0304/spring-data-mirage
GitHub - Instagram/ig-json-parser: Fast JSON parser for java projects
This domain is for sale
GitHub - rhysd/vim-clang-format: Vim plugin for clang-format, a formatter for C, C++, Obj-C, Java, JavaScript, and so on.
http://wazalabo.com/wp-content/uploads/2014/09/20140905_seminar_2_isp.pdf
https://qiita.com/qittu/items/ac374ff128a6919b3b01
GitHub - junegunn/vim-easy-align: :sunflower: A Vim alignment plugin
Google Code Archive - Long-term storage for Google Code Project Hosting.
http://www.vision.cs.chubu.ac.jp/CVTutorial/PDF/03ObjectDetection.pdf
https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGRvbWFpbnx1cmFuaXNoaXxneDo1NDNlMDliZmUzMTlhZmZk
{{#tags}}- {{label}}
{{/tags}}