Ryzenはゲーム用CPUとしては特に問題ないのだが、 ソフトウェア開発においてはIntelのCPUに比べて不便なポイントがいくつかある。 日々業務で使っていてあまりにもストレスが溜まるので、CPUをIntel Core i7に変更した。 このマシンは8年前に組んだ自作PC なのだが、使っていて不便を感じたパーツを差し替え続けた結果、 今回のアップデートで全てのパーツが当時とは違うものに変わったため、 それぞれ古い方のパーツで不便だったポイントなどを紹介したい。 仕事で使う自作PC 社内のサービスをいじる時は会社から貸与されているM1 MacBook Proを使うのだが、このマシンは不便である。 Rubyのビルドは自分のLinuxのマシンに比べ2倍以上遅いし、Reverse Debuggingができるデバッガが存在しないし、 慣れたツールであるLinux perfも使えないし、Podman
何でも微分する
IBIS 2023 企画セッション『最適輸送』 https://ibisml.org/ibis2023/os/#os3 で発表した内容です。 講演概要: 最適輸送が機械学習コミュニティーで人気を博している要因として、最適輸送には微分可能な変種が存在することが挙げられる。微分可能な最適輸送は様々な機械学習モデルに構成要素として簡単に組み入れることができる点が便利である。本講演では、最適輸送の微分可能な変種とその求め方であるシンクホーンアルゴリズムを紹介する。また、この考え方を応用し、ソーティングなどの操作や他の最適化問題を微分可能にする方法を紹介するとともに、これらの微分可能な操作が機械学習においてどのように役立つかを議論する。 シンクホーンアルゴリズムのソースコード：https://colab.research.google.com/drive/1RrQhsS52B-Q8ZvBeo57vK
パフォーマンス改善の文脈で良く用いられるフレーズとして、「推測するな、計測せよ」というものがある。これはRob PikeのNotes on Programming in Cからの引用なのだが、原典と少し印象が違う。 Rule 1. You can’t tell where a program is going to spend its time. Bottlenecks occur in surprising places, so don’t try to second guess and put in a speed hack until you’ve proven that’s where the bottleneck is. Rule 2. Measure. Don’t tune for speed until you’ve measured, and even then don’t
strlen() の深淵 - Qiita
あらまし strlen() という関数がある。御存知の通り、文字列の長さを算出する標準 C ライブラリの関数だ。 やってることは単純で、例えば以下のように実装できる。 size_t strlen_simple(const char* str) { const char* p = str; while (*p) ++p; return size_t(p - str); } '\0' が見つかるまでポインタを進め、初期位置との差分を返すだけだ。これで機能的には std::strlen() と同等である。 では、速度的にはどうだろう？適当にベンチマークを書いて MSVC 2022 でコンパイル＆実行するとこうなった。
これは はてなエンジニア Advent Calendar 2023 の 18 日目の記事です。昨日は id:gurrium による private-isuで70万点取るためにやったこと - ぜのぜ でした。私は 50 万点ぐらいで満足してしまっていたので、しっかり詰めていて凄いなと思う。 developer.hatenastaff.com Web アプリケーション開発において、「キャッシュは麻薬」という言葉がインターネット上をよく飛び交っています。YAPC::Kansai OSAKA 2017 の id:moznion のトークでよく知られるようになったワードじゃないかな。 初出はちゃんとは分からないんですが、少なくとも 2011 年には言われていますね。 「キャッシュは麻薬」とはよく言ったものだ。— TOYAMA Nao (@nanto_vi) November 5, 2011 キャッシ
持続可能な AWS インフラストラクチャの最適化、第四部：データベース編 | Amazon Web Services
Amazon Web Services ブログ 持続可能な AWS インフラストラクチャの最適化、第四部：データベース編 このブログは Otis Antoniou, Ibtehaj Ahmed, Darren Ko, Ceren Tahtasiz によって執筆された内容を翻訳したものです。原文はこちらを参照して下さい。 このシリーズの第一部：コンピュート編、第二部：ストレージ編、第三部：ネットワーキング編では、持続可能性のために AWS アーキテクチャのコンピュート、ストレージ、ネットワーキングレイヤーを最適化するための戦略を紹介しました。 この投稿、第四部では、データベースレイヤーに焦点を当て、データベースの使用率、パフォーマンス、およびクエリを最適化するための推奨事項を提案します。これらの推奨事項は、AWS Well-Architected Framework のサステナビリティ（持続
ご飯は左、味噌汁は右
東京。15歳のときに初めてバイトしたファミレスで習った。母子家庭でマナーもへったくれもなかったせいか、家では習わなかった。母は茨城県出身。 関西だとファミレスの和食膳やチェーンの定食屋でも味噌汁の配置が変わるの？
C# / .NET における、パフォーマンス改善の Tips をお届けします。 これを見れば、効率良く 80 点を取ることができるようになるはずです！
著者：カヌレっ子 百貨店と甘味が好きな30代会社員。 SNS：@canelepan_18 ブログ：明日なに食べよう、なに着よう 平日は仕事で疲れてもう何もしたくない……土日もゴロゴロしたい……でも部屋が荒れているのも嫌だ…… こんな「社会人あるある」の悩みを解決する収納アイテムが、山崎実業の手荷物収納ボックスです。 山崎実業 手荷物収納ボックス 楽天で見る Amazonで見る 飲食店でもよく見かける荷物置きのような収納ボックスです。 床に脱ぎ捨てられた服やバッグ。それぞれ定位置へ戻すのが理想だけど、それは面倒くさいから、一時的に置き場所を作ってとりあえずまとめたい、ということはよくありますよね？ そんな時、散らかっている荷物をこの収納ボックスにガサっと入れるだけで、お部屋のスッキリ感が保てます。 私はつねに片付いた状態をキープしたいタイプなのですが、一緒に住んでいる相手は特に収納のこだわり
グラフ最適化をマスターしよう！ - Qiita
はじめに グラフ最適化（Graph Optimization）は、パラメータをグラフ構造で表現し、最適化問題を解決する手法です。特にロボティクスなどの領域で広く活用されています。 以下に、グラフ最適化の応用例をいくつか挙げます。 Visual SLAMやSFMのバンドル調整（Bundle Adjustment）問題 Graph SLAMのループクロージング問題 経路計画問題(TEB, ebandなど) 実際のアプリケーションでは、ceresやgtsam、g2oなどのグラフ最適化ライブラリを利用することで、グラフ最適化問題を解決することができます。しかし、グラフ最適化の内部原理を理解していないと、性能の向上や課題の解決が困難になることが多いです。 筆者自身は、グラフ最適化の理解を深めるため、独自のグラフ最適化ライブラリをPythonで実装したことがあります。g2oなどの大規模なOSSと比較し
実務につなげる数理最適化
はじめに はじめまして、2023年10月にシニアリサーチャーとして入社したアドバンスドテクノロジーラボ（ATL）の梅谷俊治です。2023年9月まで、大阪大学大学院情報科学研究科にて数理最適化寄附講座教授を務めていました。 本記事では、リクルートのデータ推進室における数理最適化を活用した問題解決の取り組みをご紹介します。 数理最適化は、与えられた制約条件の下で、目的関数を最小（もしくは最大）にする最適化問題を通じて、現代社会における意思決定や問題解決を実現する数理技術の一つです。 近年では、機械学習によるデータ分析や予測の技術開発が進み次々と実用化されています。数理最適化は、それらのデータ分析や予測の結果を踏まえた上で意思決定や計画策定を実現する問題解決における出口を担当する技術です。例えば、オンライン広告などカスタマーに商品を推薦するレコメンデーションでは、機械学習を活用してカスタマーの商
トップページ ニュースリリース 目先のことを過大評価してしまう人間の行動を分析し最適な介入を導出する数理モデルを開発～シミュレーション実験の計算コストをかけずに、個人の目標達成の成功を支援～ 日本電信電話株式会社（本社：東京都千代田区、代表取締役社長：島田 明、以下「NTT」）は、目先のことを過大評価してしまう人間の、長期的な目標達成行動を分析し、さらにそのような人間の目標達成のための最適な介入を求めることができる数理モデルを開発しました。このモデルを用いて導出した適切な介入を適用することにより、健康や教育などにまつわる個人の目標達成の成功を支援することができます。なお、本成果は2024年2月20日から27日までカナダ・バンクーバーで開催された、AI分野の最高峰国際会議 The 38th AAAI Conference on Artificial Intelligence（AAAI 202
本記事では、二次元放物形偏微分方程式の数値解法について、分かりやすい具体例とともに掘り下げていきます。Pythonを活用したアプローチ方法を学びます。 本記事を通して偏微分方程式の数値解法の1つを会得しましょう！ 注） 差分法の一部の話だけにとどめています。誤差や境界条件などの詳細な議論は冗長化を避けるためにご紹介していません。 偏微分方程式の数値解法とは 偏微分方程式の数値解法は、偏微分方程式（PDE: Partial Differential Equations）の解を近似的に求めるための手法のことを指します。これらの方程式は、多くの場合、解析的な解が見つけられないため、数値的な手法が必要となります。以下に、主な数値解法をいくつか紹介します。 有限差分法（Finite Difference Method）: 空間や時間を離散的なグリッドに分割し、微分を差分に置き換えることにより近似しま
当ブログで行ったGoogle Fontsの読み込み最適化を紹介します。CLSを大幅に改善できたので個人的にはこれが最適解だと思っています。 結論いきなり結論ですが、次のHTMLのhrefの値を使用しているGoogle Fontsのそれに変更し、head内で読み込んでください。 <link rel="preconnect" href="https://fonts.googleapis.com" /> <link rel="preconnect" href="https://fonts.gstatic.com" crossorigin /> <link rel="preload" as="style" fetchpriority="high" href="{href}" /> <link rel="stylesheet" href="{href}" media="print" onload='
ChatGPTでもミスが多かった当直表作成がClaude3Opusで可能に!｜genkAIjokyo|ChatGPT/Claudeで論文作成と科研費申請
Claude3Opusで当直シフト作成の悩みから解放！（以下、ほぼClaude3Opusが執筆） 当直表やシフトの作成に頭を悩ませたことはありませんか？不都合日や休日の希望を考慮しつつ、担当数の公平性や当直の間隔など、様々な条件をクリアしなければならないこの作業。これまでは人の手で行うしかなく、とてつもない時間と労力を要していました。 でも、そんな悩みともついにサヨナラできる日が来たのです！そう、Claude3Opusならこの面倒なシフト作成をほぼ完璧にこなしてくれるんです。しかもChatGPTに比べて出力が速いです。 Claude3Opusはスタッフ一人一人の希望を汲み取りつつ、担当数のバランスや当直間隔など、様々な条件を高度に考慮してシフトを組み立てていきます。これまでGPT4でも満足のいく結果が得られなかったこの難題を、Claude3Opusはスムーズにクリアしてくれるのです。ちなみ
PDFTool：安全でシームレスなオンラインPDF修正
安全なPDFの変更プライバシーを考慮したPDFファイルの編集 インターネット上でPDFの修正を提供している多くのサイトの1つにPDFをアップロードするとどうなるのか、自問したことがありますか？そうです！私たちは、あなたのブラウザ上でPDFファイルを修正します。
Google DeepMindの最新研究によれば、Large Language Models（LLM）が最適化問題を解決する新たな手法として利用できる可能性が示されました。この研究は、自然言語を用いて最適化タスクを説明し、それに基づいてLLMが新しい解を生成するという方法を提案しています。 さらに、LLMがプロンプト自体を最適化する能力も示されています。LLMはプロンプトの形式に敏感であり、意味的に類似したプロンプトでも性能が大きく異なる可能性があります。したがって、プロンプトエンジニアリングはLLMが良好なパフォーマンスを達成するために重要です。 参照論文情報 タイトル：Large Language Models as Optimizers 著者：Chengrun Yang, Xuezhi Wang, Yifeng Lu, Hanxiao Liu, Quoc V. Le, Denny Z
Python言語による実務で役に立つ100の最適化問題
最適化問題を100以上集めて，Python言語を用いた実用的な解法を紹介しています．
この記事は確率的プログラミング言語 Advent Calendar 2023の12/8の記事です。 概要 『Pythonではじめる数理最適化』はいい本ですよね。親しみやすい実例、分かりやすい数式、きれいなPythonコードと三拍子そろっています (今年のアドカレで改訂版が近いうちに出ることを知りました)。 7章「商品推薦のための興味のスコアリング」では、「何日前に直近の閲覧があったか」と「閲覧回数」の二つの軸で興味のスコアを考えます。興味のスコアが単調減少であるという制約のもと、再閲覧の割合と推定値の二乗誤差を最小化するという凸二次計画問題として解いています。この記事ではStanで解くとこんな感じですというのを示します。メリットとしてベイズ信頼区間も推定されます。 データ 公式のリポジトリの7章のipynbファイルを途中まで実行して得られるデータフレームrf_dfを使用します。他の人の扱い
AHC020でシュタイナー木を作るような問題がでました。そこでプリム法ベースのシュタイナー木を作ることがあったのでその方法を説明します。 シュタイナー木とは グラフとターミナルと呼ばれる頂点集合が与えられたとき、ターミナルを全てつなぐ木のことをシュタイナー木といいます。 頂点A,B,Cがターミナル シュタイナー木の例 ターミナルでない頂点はつないでもつながなくても構いません。 シュタイナー木のうちコストが最小のものを最小シュタイナー木といい、これを求めるアルゴリズムとしてDreyfus-Wagner法というものがあるらしいです。しかしこの方法はとても計算量が多いです。 今回紹介するプリム法ベースのシュタイナー木は、計算量は少なくて済みますがコストが最小になるとは限りません。ヒューリスティックコンテストにおける焼きなましの最中など、厳密さより速度が優先されるようなケースでの使用を想定していま
現代の .NET では "zero-byte reads" という最適化が随所で行われています。 この記事ではその "zero-byte reads" とはなんなのか、という事についてつらつら書いていこうと思います。 そしてそれに深く絡むピン留めのお話も。 どんな最適化か。 ピン留め手段と GC 負荷。 まとめ。 豆知識。 References どんな最適化か。 端的にいうと、Socket や Stream がネイティブとデータのやりとりする際に、managed heap に確保されているメモリを長時間にわたりピン留めしないようにするための最適化です。 どういう事か。 たとえば C# の Socket.ReceiveAsync は Windows 上では Win32 API の WSARecv をラップしたような形になっています。 C# の Socket.ReceiveAsync には M
2024/05/29実施の、人工知能学会全国大会オーガナイズドセッションで発表した、梅谷の資料です。
はじめに 私が制御工学を学び始めたとき、「これを学んでいけばモータを自由に制御できるようになるのか！」と思い、古典制御、現代制御と勉強を続けましたが、「これってモデルがある前提で説明してくるけど、そもそもモデルってどうやって求めるの？」という疑問が湧きました。制御工学を学んでいる人でもこういった疑問を持つ人は多いのではと思ったので、今回は実際に水平1軸アームシステムを対象に、システム同定を行い、モデルの妥当性を簡単に評価したいと思います。 目次 1. システム同定とは 2. 水平1軸アームシステムのモデル 3. 同定入力の選定 4. システム同定の手法 5. システム同定 6. モデルの妥当性評価 1. システム同定とは 制御工学を勉強してPID制御やら最適レギュレータやら様々なコントローラ・オブザーバの設計方法を知ると思います。しかしそれらを設計するとき、必ず必要になるのが数学モデルです
機械学習による適応的実験計画
ベイズ最適化と能動的レベル集合推定の基礎と実践に関するセミナー資料
初学者が学んだ凸最適化 - Qiita
はじめに これまでに色々と非凸最適化とか近接勾配法とか書いてきましたが，いちばんの基礎である凸最適化について書いていませんでした． 基礎を飛ばして応用例というかその領域について書いていくなんて，鬼教官も涙目ですね． なので，この記事では超ざっくりに凸最適化について触れていこうと思います． それでは，やっていきましょうか． 凸集合 まず，凸最適化の土台である凸関数の土台である凸集合について触れます． 定義 ある集合$C$を定義する．任意のベクトル$x_1, x_2 \in C$に対して x_1, x_2 \in C, \\ \theta \in [0, 1] \Rightarrow (1-\theta) x_1 + \theta x_2 \in C が成り立つとき，集合$C$は凸集合であるという． 何言うてるかわかりませんね，図で見てみましょう． 凸集合を図で描くと... こんな感じです．グ
最近は，多くの企業が数理最適化の活用に興味を持つようになり，産学連携の機会が急増しています．一方で，企業に数理最適化の専門家は少なく，大学から輩出できる人材にも限りがあるため，実務における数理最適化の活用はごく限定された範囲にとどまっているのが現状です．本講演では，多くの企業が抱える実務の各段階における問題解決の支援を通じて，企業において数理最適化の専門家を育成し，基幹事業において数理最適化を活用する枠組みの創出を目指す，数理最適化寄附講座の取り組みを紹介します．
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
自作PC2023: Ryzenをやめた - k0kubun's blog
「推測するな、計測せよ」という訳はミスリードと言う話 - aki33524’s blog
「キャッシュは麻薬」という標語からの脱却 - id:onk のはてなブログ
今日からできる！簡単 .NET 高速化 Tips -2024 edition-
床に散らばった荷物を「とりあえず」収納！ ズボラにも優しい、山崎実業の手荷物収納ボックス #ソレドコ - ソレドコ
目先のことを過大評価してしまう人間の行動を分析し最適な介入を導出する数理モデルを開発～シミュレーション実験の計算コストをかけずに、個人の目標達成の成功を支援～ | ニュースリリース | NTT
【コード付き】二次元放物形の偏微分方程式の数値解法【Python】 - LabCode
【令和最新版】Google Fontsの読み込み最適化の結論 ｜ TAKLOG
LLMが巡回セールスマン問題などの最適化問題を解く〜自分自身で優れたプロンプトを作成＆活用〜 | AIDB
『Pythonではじめる数理最適化』の7章「商品推薦のための興味のスコアリング」をStanで解く
プリム法ベースのシュタイナー木 - bowwowforeachの日記
【C#】zero-byte reads という最適化とピン留めについて。 - ねののお庭。
組合せ最適化による問題解決の実践的アプローチ
最小二乗法でシステム同定やってみた - Qiita
Mathematical Optimization for Real Applications