はてなブックマーク

AI と連携する新しい方法として、Bard で Gemini Pro を試すことができるようになりました。Gemini Ultra は、Bard Advanced と呼ばれる新しいエクスペリエンスで、来年初めに Bard に登場します。 本日、私たちは、洗練されたマルチモーダル推論機能を備えた最も有能なモデルであるGeminiを発表しました。柔軟性を重視して設計された Gemini は、Ultra、Pro、Nano の 3 つの異なるサイズに合わせて最適化されているため、データセンターからモバイル デバイスまであらゆる環境で実行できます。 さて、Gemini がBard 史上最大のアップグレードでBardに登場します。Gemini は 2 段階で Bard に展開されます。本日より、Bard はより高度な推論、計画、理解などのために、特別に調整された英語版の Gemini Pro を使用し

導入方法 Chrome リンクを開いてChromeに追加をクリック https://chrome.google.com/webstore/detail/chatgpt-for-google/jgjaeacdkonaoafenlfkkkmbaopkbilf Firefox リンクを開いてFirefoxへ追加をクリック https://addons.mozilla.org/addon/chatgpt-for-google/ まとめ 検索するだけでChatGPTも使えるので便利です。 もしよろしければスターいただけると嬉しいです

FizzBuzz PracticeA - Welcome to AtCoder AC ABC086A - Product AC ABC049C - 白昼夢 AC まとめ いかがだったでしょうか(ry AtCoderプロンプトエンジニアリング界隈が発展してほしいです

from pichromecast import play_url, create_url play_url(create_url('hello world', 'en'), '192.168.10.101') # https://gist.github.com/SpotlightKid/eca9b00239104e8c599b86635f62ab73#file-urlencode-py from urlencode import urlencode from pichromecast import play_url url = 'https://translate.google.com/translate_tts?client=tw-ob&' + urlencode({'q': 'Hello, 世界', 'tl': 'ja'}) play_url(url, '192.168.10.101

HerokuのFree Planが終了するらしい(泣)(泣) Starting November 28, 2022, we plan to stop offering free product plans and plan to start shutting down free dynos and data services. We will be sending out a series of email communications to affected users. 2022/11/28までに有料版にアップグレードしてねとのことらしい。 Cyclic.sh ⇒ Deta.sh ⇒ Cyclic.shへ移行した Cyclic.shは無料で使えるクラウドプラットフォーム。 クレジットカード・電話番号不要。 デプロイしたアプリはAWS上に展開されるようだ。 主に3つのサービスが無料で使え

import machine import utime # 温度センサが接続されている、 # 4つ目の ADC(アナログデジタルコンバータ) を取得します sensor_temp = machine.ADC(4) # ADCの最大電圧3.3Vを16bit(65535)で割って、 # 16bitの 1 目盛りのあたりの電圧(変換係数)を計算します( 約 0.00005V) conversion_factor = 3.3 / (65535) while True: # センサから取得した値(0~65535) を電圧に変換します。 reading = sensor_temp.read_u16() * conversion_factor # 温度を計算します。センサは27度を基準にしているため、 # 温度センサの数値を27度から引いて計算します。 temperature = 27 - (readi

import time while True: if rp2.bootsel_button() == 1: machine.Pin('LED', machine.Pin.OUT).on() else: machine.Pin('LED', machine.Pin.OUT).off() time.sleep(0.1) Raspberry Pi Pico Wのカスタムファームウェアを用意しました。 https://github.com/GitHub30/micropython/blob/GitHub30-patch-1/firmware.uf2 Ubuntuでカスタムファームウェアをビルドすることもできます。 # https://www.cnx-software.com/2022/07/03/getting-started-with-wifi-on-raspberry-pi-pico-w-bo

Raspberry Pi Pico Wが5ポンド(約800円)だったので購入してみました。注文から1週間ほどで届き、開設届出は1分ほどでできました。 開発環境の構築 ファームウェアのインストール 下記リンクから一番上のuf2ファイルをダウンロードします。 https://micropython.org/download/rp2-pico-w/ BOOTSELボタンを押しながらUSBを差し込みます。 RPI-RP2を開き、uf2ファイルをドラッグアンドドロップします。 BOOTSELボタンが押せてないとRPI-RP2が表示されません。 ドラッグアンドドロップすると自動的にエクスプローラーが閉じます。 Thonny(ソニー)のインストール 下記リンクからthonny-4.0.0.exeをダウンロードします。 https://thonny.org/ thonny-4.0.0.exeをクリックして

Web API の JavaScript での取得方法について の質問があったので作ってみました。 See the Pen TexTra 翻訳 Demo by John Doe (@04) on CodePen. async function handle(e) { name = "extra"; key = "5b37d68901799f71e8937f26add0fafd06309732b"; secret = "71d1b17cfdc7e26e6232a9a750c038d2"; text = e.target.value; const oauth = OAuth({ consumer: { key, secret }, signature_method: "HMAC-SHA1", hash_function(base_string, key) { return CryptoJS.H

ポートフォワーディングができなかったり、ブラウザもインストールできないときに使えます。 通知を待つ 音を鳴らすことも可能です。 Windows $HttpWebRequest = [System.Net.HttpWebRequest]::Create('https://rppico-default-rtdb.asia-southeast1.firebasedatabase.app/msg.json') $HttpWebRequest.Accept = 'text/event-stream' $ResponseStream = $HttpWebRequest.GetResponse().GetResponseStream() $StreamReader = [System.IO.StreamReader]::new($ResponseStream) while (($line = $Stre

コピペするだけで使えます。BurntToastが管理者権限でインストールできない場合やよりカスタマイズしたい場合にご活用ください。 PowerShell 7.1以降をお使いの方へ WinRT.Runtime.dllとMicrosoft.Windows.SDK.NET.dllをロードし、完全修飾名を削除する必要があります。 例: Invoke-WebRequest https://github.com/Windos/BurntToast/raw/main/BurntToast/lib/Microsoft.Windows.SDK.NET/WinRT.Runtime.dll -OutFile WinRT.Runtime.dll Add-Type -Path WinRT.Runtime.dll Invoke-WebRequest https://github.com/Windos/BurntToa

'[email protected]'.match(/\x{email}/g) // ['[email protected]']

shell2http [options] ["shell command" for /] /path "shell command" /path2 "shell command2" ... options: -p, --port NNNN : port for http server ( default 8080 )

from win11toast import toast toast('Hello Python', 'Click to open url', on_click='https://www.python.org') from win11toast import toast toast('Hello', 'Lorem ipsum dolor sit amet, consectetur adipisicing elit. Earum accusantium porro numquam aspernatur voluptates cum, odio in, animi nihil cupiditate molestias laborum. Consequatur exercitationem modi vitae. In voluptates quia obcaecati!')

HTMLとサービスワーカーしかない簡易なサイトを作りました。 ここに通知機能を実装してみてください😸 ソース https://github.com/GitHub30/web-push-study まず、サイトを開いてコンソールを出しましょう。 Chrome ( Ctrl + Shift + J ) Firefox ( Ctrl + Shift + K )

Professional Cloud Architectに合格しました。受験体験記を共有したいと思います。 Professional Cloud Architectとは 2022年の最も高収入につながる IT 認定資格ランキングで2位の資格です。平均年収2200万円($169,029) 合格するためにやったこと 模擬問題集で70%あれば合格できます。1セット1時間合計4時間で終わります。試験開始前に間違えた問題を再度確認しておきましょう。Udemyのセール時に購入するのがおすすめです 【最短攻略】Google Cloud 認定 Professional Cloud Architect 模擬問題集 Udemy自動化 Tampermonkeyをインストールし、下記ユーザースクリプトをインストールすることで次へボタンを自動で押せます。2倍ほど速くテストを進められるので便利です。タッチパネルでやる

Professional Data Engineerに合格しました。受験体験記を共有したいと思います。 Professional Data Engineerとは 2022年の最も高収入につながる IT 認定資格ランキングで1位の資格です。平均年収2200万円($171,749) 合格するためにやったこと 模擬問題集で70%あれば合格できます。1セット1時間合計8時間で終わります。試験開始前に間違えた問題を再度確認しておきましょう。Udemyのセール時に購入するのがおすすめです 【最短攻略】Google Cloud 認定 Professional Data Engineer 模擬問題集 Google Cloud Professional Data Engineer - GCP - Exams - 2022 テストは英語ですが、右クリックで日本語にできます。 Udemy自動化 Tampermo

import os import torch print(torch.__version__) torch_ver, cuda_ver = torch.__version__.split('+') os.system(f'pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/{cuda_ver}/torch{torch_ver}/index.html --no-cache-dir') os.system('cd src/ndl_layout/mmdetection && python setup.py bdist_wheel && pip install dist/*.whl') os.system('wget https://lab.ndl.go.jp/dataset/ndlocr/text_re

設定を開く 共有からリモートデスクトップを開く リモートコントロール を有効にする リモートデスクトップアドレスとユーザ名とパスワードをメモする。リモートデスクトップのトグルを二回押す(再起動) リモートデスクトップ接続を開く リモートデスクトップアドレスを入力し、接続を押す ユーザー名とパスワードを入力し、OKを押す はいを押す 接続完了🎉 参考

形態素解析器ごとに結果を比較できるアプリ作ってみました。 streamlitで作ってます。HuggingFace Spaceなら16GB RAM と 8 CPUが無料で使えておすすめです。 import os os.system('git clone --depth 1 https://github.com/neologd/mecab-ipadic-neologd.git && cd mecab-ipadic-neologd && ./bin/install-mecab-ipadic-neologd -n -y -u -p $PWD') os.system('git clone --depth 1 https://github.com/neologd/mecab-unidic-neologd.git && cd mecab-unidic-neologd && ./bin/install-m

AutoTrain🚂🚂🚂とは ノーコードでテキスト分類や要約や構造化データの機械学習などがstate-of-the-artできるサービスです。本日より構造化データもサポートされました🎉 AutoNLPだとググラビリティが低かったのではなく、構造化データもサポートしたかったから名称変更したようです。 データ準備 アヤメの品種を花びらの長さやがくの幅から3品種に分類します。 CSVファイルをダウンロードしましょう。 wget https://gist.githubusercontent.com/netj/8836201/raw/6f9306ad21398ea43cba4f7d537619d0e07d5ae3/iris.csv プロジェクトの作成 Tabular Data Classification (Binary) を選択し、プロジェクトを作成します。 csvファイルをアップロード

AutoTrain🚂🚂🚂とは ノーコードでテキスト分類や要約や構造化データの機械学習などがstate-of-the-artできるサービスです。本日より構造化データもサポートされました🎉 AutoNLPだとググラビリティが低かったのではなく、構造化データもサポートしたかったから名称変更したようです。 データ準備 沈没する船の乗客が生存できたかどうかの2値分類をします。 CSVファイルをダウンロードしましょう。 wget https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv プロジェクトの作成 Tabular Data Classification (Binary) を選択し、プロジェクトを作成します。 csvファイルをアップロード jsonlでもアップロードできます。 今回はcsvフ

AutoTrain🚂🚂🚂とは ノーコードでテキスト分類や要約などがstate-of-the-artできるサービスです。AutoNLPだとググラビリティが低かったので名称が変わったのだと思います。 データ準備 ハウツー系の文章を要約しようと思います。 ハウツー系の文章(inputs)とその要約(targets)があります。 https://www.wikihow.jp/蛇に噛まれた時の対処 要約する文と要約文のcsv/jsonlファイルを作成します。 ファイル作成スクリプトはColabにあります。 プロジェクトの作成 Summarization と Japaneseを選択し、プロジェクトを作成します。 csvファイルをアップロード jsonlでもアップロードできます。 今回はjsonlファイルをドラッグ・アンド・ドロップし、text:srcとtarget:tgtカラムを選択し、プロジェ

AutoTrain🚂🚂🚂とは ノーコードでテキスト分類や要約などがstate-of-the-artできるサービスです。AutoNLPだとググラビリティが低かったので名称が変わったのだと思います。 データ準備 livedoorニュースコーパスのタイトルと本文を結合して、9つのカテゴリを分類しようと思います。 !wget https://www.rondhuit.com/download/ldcc-20140209.tar.gz !tar xf ldcc-20140209.tar.gz import glob import pandas as pd data = [] for path in glob.glob('text/**/*-*.txt'): with open(path) as f: data.append({ 'url': next(f).strip(), 'datetime

from transformers import TrOCRProcessor processor = TrOCRProcessor.from_pretrained("microsoft/trocr-small-printed") TrOCRProcessorは、特徴抽出器とトークナイザをラップしただけです。任意の特徴抽出器とトークナイザを使えます。google/vit-base-patch16-224-in21k や cl-tohoku/bert-base-japaneseなど 事前学習モデルを選択 事前学習モデルが9種類ありますが、すべて10epochsほど試し一番いいので学習させるのがよいかもです。 from transformers import VisionEncoderDecoderModel import torch device = torch.device("cuda"

TensorFlow Developer Certificateに合格しました。受験体験記を共有したいと思います。 合格するためにやったこと DeepLearning.AI テンソルフロー開発者 プロフェッショナル認定 - Coursera ローレンスさんとアンドリューさんの講座をやりました。 無料で動画の視聴ができ、登録しても7日以内に解約すれば無料でテストが受けれます。 https://www.coursera.org/professional-certificates/tensorflow-in-practice 4コースx4Weekありますが、集中してやれば1日で終わります。日本語字幕で動画の自動再生をオンにするのがオススメです。 内容を完全に理解する必要はありません。とにかく、最後まで視聴することが大事です。 試験中はコードを書くことは一切ありません。ローレンスのコードをコピペす

sudo apt purge -y 'wine*' \ && sudo dpkg --add-architecture i386 \ && wget -qO - https://dl.winehq.org/wine-builds/winehq.key | sudo apt-key add - \ && sudo add-apt-repository -y "deb https://dl.winehq.org/wine-builds/ubuntu/ $(lsb_release -cs) main" \ && sudo apt update \ && wine_version=staging \ && sudo apt install --install-recommends -y winehq-$wine_version winetricks \ && mono_version=$(icon