This site used to contain a view of the SVN repo used in the early days of Chromium. Full commit history for Chromium can now be found at https://chromium.googlesource.com/chromium/src/+/refs/heads/main. For any questions or concerns, please file a bug under the Infra>SDK component.

C++の落とし穴 このドキュメントは下記URLのサイトを翻訳したものです。 10年以上前に作成されたドキュメントですが、いくつか新たな気づきを与えてくれた原本に感謝して、翻訳してみました。 やや見づらいところもあるかもしれませんが、誰かのお役に立てれば幸いです。 C++ Pitfalls Copyright (C) Cay S. Horstmann 1997 Translated by shnya (unofficial)

VC++では、Debugger Visualizersによって、デバッガから、コンテナの中身をわかりやすく表示することが可能だ。 http://d.hatena.ne.jp/faith_and_brave/20100329/1269833173 gdbの場合はどうだろうか？ まず、STLのコンテナに関しては、 http://sourceware.org/gdb/wiki/STLSupport をインストールすることで対応可能なようだ。 インストール方法は、 svn co svn://gcc.gnu.org/svn/gcc/trunk/libstdc++-v3/python を適当なディレクトリに配置し、以下の内容をホームディレクトリの.gdbinitに追記すればよい。.gdbinitが無ければ作ろう。 python import sys sys.path.insert(0, 'インストール

あえて言い切る。 ここでは主に計算量について言っているので、スクリプト言語でデモ的なものを作るような場合は除く。この記事では C++ を使って書く。 logsumexp でどのように計算の量が増えるかはunnonouno: logsumexpとスケーリング法に詳しい。 ちょっと引用。 linear-chain CRFのパラメタ推定に必要なのは対数尤度関数の微分です．これの計算に必要なのが，前向き・後ろ向きのスコアαとβです．時刻t（系列上での位置）とラベルiに対する前向きスコアαは，以下の式で計算されます．fは特徴ベクトル，wは重みベクトルです． この後の話の流れは、 掛け算いっぱいで大変！ オーバー／アンダーフローしちゃうよ！ じゃあ log の世界で扱えばいいんじゃね？ 足し算もあるよ！ どうするの？ 「logsumexp〜」 すごい！ これでオーバーフローしないし安心だね！ でも重い

最近スマートフォンに乗り換えました。徳永です。 C++は世に数あるプログラミング言語の中では比較的メモリを食わない方ですが、それでもメモリ使用量が問題となる場合はあります。そのような場合の対処方法はいくつか有りますが、手軽に選択できる方法として、今日はSTLのmapやunordered_mapと同じ感じで使えるデータ構造をいくつか紹介したい思います。 以下、計算量の表記をする際には、要素数をnとします。 Loki::AssocVector LokiはModern C++ Designという本の作者であるAndrei Alexandrescuが開発したライブラリです。AssocVectorはその中の一つとして提供されているクラスで、vector<pair<key, value> >という型のベクターをkeyでソートした状態で持つ事により、二分探索による要素の探索を可能にしたデータ構造です。こ

pialign is a package that allows you to create a phrase table and word alignments from an unaligned parallel corpus. It is unlike other unsupervised word alignment tools in that it is able to create a phrase table using a fully statistical model, no heuristics. As a result, it is able to build phrase tables for phrase-based machine translation that achieve competitive results but are only a fracti

Code Archive Skip to content Google About Google Privacy Terms

KenLM estimates, filters, and queries language models. Estimation is fast and scalable due to streaming algorithms explained in the paper Scalable Modified Kneser-Ney Language Model Estimation Kenneth Heafield, Ivan Pouzyrevsky, Jonathan H. Clark, and Philipp Koehn. ACL, Sofia, Bulgaria, 4—9 August, 2013. [Paper] [Slides] [BibTeX] Querying is fast and low-memory, as shown in the paper KenLM: Faste

ちょっと前に実装してたんだけど、メモを書くがてら公開してみる。やりたいこととしてはnested Chinse Restaurant Processまで行きたいんだけど、ノンパラベイズ初心者なので一番取りかかりやすいであろうDirichlet Process Mixture(DPM)を文書モデルでやってみたという感じです。HDPではなくDPMとしてコーパスをモデル化するので、いくつ文書があろうがそれらは全部一つの文書として取り扱います(というか、そういう形でしか取り扱えません。扱いたかったらHDPの世界へ行こう)。 目的 やってみようと思った理由はいくつかあって 実際に自分で把握できるミニマムな*1ノンパラベイズのプログラムをgetする 実際に書いてみることでノンパラベイズのプログラムではまりやすいところを知る コード書く段階までやってみないと分かったつもりになっていることが多い などなどで

Code Archive Skip to content Google About Google Privacy Terms