PythonでAPIを爆速で構築してみた - Qiita
目次 1.はじめに 2.コーディング 3.コンテナ化 1. はじめに 友人に「PythonでAPIをサクッと作ってよ」と言われたのでシンプルなREST APIを作ってみた。 作ったものを渡すだけでなく作り方も教えて欲しいとのことなので、ここに記事として掲載する。少し手順書のような記載なため、初学者向けかもしれない。 Pythonと聞いて「Djangoでも使うか？」と思いつつも、よりサクッと感のあるフレームワークを探してみたところ FastAPIなるものがあり、今回はこれを採用してみた。 公式より引用 FastAPI は、Pythonの標準である型ヒントに基づいてPython 3.6 以降でAPI を構築するための、モダンで、高速(高パフォーマンス)な、Web フレームワークです。 FastAPI には Swagger UI と ReDoc の両スタイルのドキュメントを自動で生成してくれる機
Anacondaの仮想環境の作成パスを設定する - ＩＴ管理のマメ知識
Windows環境にインストールされたAnacondaで仮想環境が作成されるパスを追加します。 anaconda では、仮想環境のパスを複数登録することができます。 Windowsのシステム環境変数に「CONDA_ENVS_PATH」を追加 ここでは、仮想環境の保存先フォルダを「C:\Anaconda_Datas\envs」にすることにします。 Windows> コントロール> システム> 詳細設定> 環境変数にて「システム環境変数」を追加 変数名：CONDA_ENVS_PATH 変数値：C:\Anaconda_Datas\envs 複数のフォルダを指定したい場合は、「;」で区切ることで可能です。 仮想環境のパスを確認する 「conda config --show envs_dirs」コマンドで、仮想環境のパスが追加されていることを確認します。 [annaconda prompt] (ba
2022年の「AI／機械学習」はこうなる！ 8大予測
日本語でのTransformerの活用拡大と、Transformerを超える技術発展が進む 高度なマルチモーダルAIの研究が進展し、何らかのサービス登場する ローコード／ノーコードのAIサービスを採用するケースが増える AutoMLを利用するケースは着実にさらに増えていく MLOpsは引き続き広まり、採用する企業が増えていく エッジデバイスでの機械学習／TinyMLの利用は引き続き拡大する 量子AI／量子機械学習の実用化に向けた研究がさらに進展する 責任あるAIのための原則や規制が各所で制定され続ける なお、AutoML、MLOps、TinyML（エッジデバイス上の小さな機械学習技術）、責任あるAIを支える説明可能性／解釈可能性やデータとプライバシーの規制強化などのトレンドは、数年を掛けて拡大中のため、2019年や2020年で予測した項目と重複しているが、2022年も継続するトレンドとして
機械学習の基礎の基礎、行列計算に欠かせないNumPyの基本的な使い方
プログラミング言語「Python」は機械学習の分野で広く使われており、最近の機械学習／Deep Learningの流行により使う人が増えているかと思います。一方で、「機械学習に興味を持ったので自分でも試してみたいけど、どこから手を付けていいのか」という話もよく聞きます。本連載「Pythonで始める機械学習入門」では、そのような人をターゲットに、Pythonを使った機械学習について主要なライブラリ／ツールの使い方を中心に解説していきます。 連載第1回の「Pythonで機械学習／Deep Learningを始めるなら知っておきたいライブラリ／ツール7選」では、ライブラリ／ツール群の概要を説明しました。前回は、その中でもJupyter Notebookの基本操作と設定について説明しました。 今回から連載第1回で紹介した各種ライブラリを使う具体的なコードを例示していきますが、Jupyter Not
OpenSolaris の Project Indiana の成果を見てみる - 傀儡師の館.Python：楽天ブログ
2007.11.07 OpenSolaris の Project Indiana の成果を見てみる (1) カテゴリ：Solaris10 使い勝手をLinuxに近づけたSolaris LiveCDでインストールできるOpenSolaris公開へ を読む。 今回リリースされたのは OpenSolaris Developer Preview で、来年3月に正式版がリリースされる予定らしい。 Project Indiana milestone reached! を見ると、次のようなことが書かれている。 1枚の LiveCD で、インストール前にも動作を確認できる（try before you install' capabilities） インストーラは Caiman で使い勝手が向上している ZFS がデフォルトのファイルシステム になった イメージパッケージシステム(IPS)はネットワークイン
Graphvizでカックいいグラフを描こう | Nobwak's Lair
Graphvizとは、AT&T研究所の作ったグラフ描画ソフトである。 ここでのグラフとは棒グラフのグラフではなく、ソーシャルグラフとかのグラフである。 点（ノード）と線（エッジ）で表されるもので、例えば、何らかの状態遷移や、路線図や、ネットワークなどの「関係」の表現に使われる。 もともとオイラーの一筆書きのような経路探索の分野があって、それを視覚的に表現するためのツールとしてこういったソフトがある（たぶん）。 そんな分野はとても手に負えない。 しかし、グラフ描画に注目するだけでも、とても面白いんである。 例えば、ふだん利用する路線の、各駅の関係と乗降数をグラフに書いてみるだけでも、表で見たときは比べ物にならないくらいのインパクトがある。 これは、京浜急行の駅の繋がりと乗降者数をグラフにしてみたもの。 隣り合う駅は繋ぐし、特急などで途中の駅をすっ飛ばす場合も繋ぐ。 乗降者数に応じて駅の大きさ
Pythonで機械学習／Deep Learningを始めるなら知っておきたいライブラリ／ツール7選
プログラミング言語「Python」は機械学習の分野で広く使われており、最近の機械学習／Deep Learningの流行により使う人が増えているかと思います。一方で、「機械学習に興味を持ったので自分でも試してみたいけど、どこから手を付けていいのか」という話もよく聞きます。本連載「Pythonで始める機械学習入門」では、そのような人をターゲットに、Pythonを使った機械学習について主要なライブラリ／ツールの使い方を中心に解説していきます。 連載第1回は、ライブラリ／ツール群の概要説明からです。各ライブラリ／ツールの詳細な使い方や実用上のテクニックは連載第2回以降で解説していきます。ここで挙げるライブラリ／ツール群は「普段、筆者が仕事で使っているもの」という基準で選定されています。そういう意味で全く網羅的ではなく、独断と偏見であることを自覚していますので、ご了承ください。 連載初回である本稿で
1
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
Python 3の組み込み関数を速攻理解しよう： オブジェクト生成／数値計算／文字列／イテラブル編