[急いで打ったので文がぐちゃぐちゃですし強調等もないです。すみません。] [定期的に記事の一番下にこっそりと僕のコメントを追加しています。一応ご確認ください] このような記事を発見しました。 スパコンで約2時間36分かかったという、5×5の魔方陣の全解列挙を、パソコンで試す（C++） 魔方陣の総数を求める、ということを、僕はスーパーコンピュータT2K-Tsukubaで約2時間30分で計算しましたが、この記事では一般的なコンピュータで10分で計算した、というものです。挑発的ですね。 僕のプログラムを1コア上で実行すると約200時間かかりました。(2012年ごろのAMD Opteron) (TODO:スパコンでの実行時間から1コア上での実行時間を割り出すと、200時間からかけ離れてるけどなんでだろう?) そして、この記事での実行環境は12コアなので、1コア換算すると実行時間は10分*12コア=
魔方陣の解の列挙は並列化しやすそうな問題ですが、ここでの方針では、探索効率を上げるためには条件分岐が不可欠なので、（「数」を求めるだけだとしても）GPGPUでうまくやる方法がわかりません。そこで、CPUに載っているコアのみで並列化します（Xeon Phiなら簡単なのでしょうか→追記参照）。 一番外側の、0から(1<<25)-1まで変化する変数iのループをOpenMPで並列化します（schedule(guided)では遅くなります。schedule(auto)はVisual C++でサポートされたら試します）。変数iは上の図の緑の部分（カンで5個にしました）を各数5ビットで表現し、つなげたものです。マスに入りうる数は1から25までなので、5ビットというのはちょっと冗長ですが、とりあえずはよしとしましょう。 出力はバイナリ形式で、1つの解に25バイト使います（1つのマスに入る数を1バイトで表現
株式会社DMM.comラボに転職しました - arimoつくったメモ 上記のブログを読んでDMM.comラボに入社を決めました！といっていただける、という大変エモい事案が発生した。まじありがとうございます。 --------------------------------- 入社してからどんな感じだったかというと、DMMのプラットフォームをイジイジする人になるのかなーと思って2～3日コーディング規約読んだり社内ツールとかながめていたら新規案件(炎上気味)のテスターヘルプ要員としてガイジンさんのたくさんいるチームに入れられて、やいのやいの言いながらお仕事していました。 テスト仕様書をかくお仕事をしていましたが詳しい仕様を確認したいのとなんだかとってもコードが書きたくなったので「コードを書かせてくれ」とお願いしたらすぐに開発メンバーに入れてくれました。FuelPHPほとんど使ったことなかったけ
トリドールグループの晩杯屋、酎ハイ3杯(750円)をケチろうとしてきたカスハラ客をお店とSNS上のダブルで返り討ちに
【Unite 2018 Tokyo】そろそろ楽がしたい！新アセットバンドルワークフロー&リソースマネージャー詳細解説 講演者：大前 広樹(ユニティ・テクノロジーズ・ジャパン合同会社) こんな人におすすめ ・ゲームの実行時のリソース管理を改善したいプログラマー ・ゲーム開発中にアセットバンドルを利用することで開発効率が落ちることを解決したいプログラマー ・アセットバンドルという単語に複雑な感情を抱く方 受講者が得られる知見 ・Addressable Asset Systemを用いたアセット管理の方法とそのメリット ・新しいリソースマネージャーを使ったデータのロード方法 ・アセット関連の新ツールの活用方法
※2014/03/17追記：巻末にオマケを追加 先日、Twitterで漫画のイマジナリーラインについて話題になった。 【イマジナリーライン】を超えたマンガは最悪なのか http://togetter.com/li/641095 その中で、自分もドラゴンボールのワンシーンを画像としてTwitterに投稿し、その画像を起点に色々な議論が交わされていくのを非常に興味深く読んだ。そこで思い出したんだけど、自分もドラゴンボールの左と右に関する記事を書いてる途中だった。 というわけで、話題がホットなうちに公開しようと思い急遽書き上げたのでお読みください。（書くこと多すぎて旬を過ぎた感は否めないけど、イマジナリーラインとは直接関係ない話だし、ね！） キャラ位置が頻繁に入れ替わるのに読みやすい まずはこの画像を見ていただきたい。自分がTwitterに投稿して議論になったドラゴンボールのワンシーン。 2コマ
Machine Learning Advent Calendarです。 普段はGunosyという会社で推薦システムを作ってます はじめに 推薦システムに関する最近の文献を読むと結構な割合で出てくるMatrix Factorizartion(MF)と呼ばれる手法があります。 ざっくり言うとこの手法は協調フィルタリングにおける次元削減を行うことでよりよい推薦を行おうという手法であり、 Netflix Prize(100万ドルの賞金が賭けられた推薦システムのコンテスト)で最も成果を上げたモデルの一つでもあります。 本記事ではこの手法を紹介していきます。 協調フィルタリング まず協調フィルタリングについておさらいしましょう。 あるサービスで3人のユーザが５つのアイテムに対して5段階評価をしたとき、その評価値を以下のようにベクトルで表すことができます。
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