ルート案内 - マッピィ Google Maps API JavaScriptの使い方 -
・ルート（各種の交通手段を使用）は、DirectionsService オブジェクトを使用して計算できます。このオブジェクトは Google Maps API ルート サービスと通信し、サービスはルート リクエストを受信して計算した結果を返します。これらのルート結果をユーザー自身で処理することも、DirectionsRenderer オブジェクトを使用して結果をレンダリングすることもできます。 ・ルートでは、原点と目的地をテキスト文字列（「東京、大阪」、「名古屋、静岡、京都」など）または LatLng 値として指定できます。ルート サービスは一連のウェイポイントを使用して、複数の部分からなるルートを返すことができます。ルートは、地図上にルートを描画するポリラインとして表示されるか、要素内のテキストによる説明として表示されます（「Williamsburg Bridge ランプを右折」など）。
3.1. Cross-validation: evaluating estimator performance
3.1. Cross-validation: evaluating estimator performance¶ Learning the parameters of a prediction function and testing it on the same data is a methodological mistake: a model that would just repeat the labels of the samples that it has just seen would have a perfect score but would fail to predict anything useful on yet-unseen data. This situation is called overfitting. To avoid it, it is common p
交差検証（Python実装）を徹底解説！図解・サンプル実装コードあり
何かを「正しい」と判断するとき、読者の皆様は何を根拠としますか。例えば、経験を元にする場合、一度だけの経験では偶然の可能性も考えられます。これが複数の経験からの判断であれば、少しは信憑性が増すと思います。一度の結果では信憑性が薄くとも、多くの結果を得られればある程度の精度で判断できる材料となります。 機械学習も同様です。様々な特徴量を扱う機械学習では、予測モデル（以下：モデル）の評価が本当に「正しい」のかを判断することは難しい問題です。特に、過学習などの問題は機械学習の技術が発展している近年でも残り続けています。 本稿では、機械学習を扱う上で重要な交差検証（クロスバリデーション ）について解説します。前半ではデータ分割の基本と、交差検証の定義を解説をします。後半では実際のデータセットを用いて交差検証の実装を行います。交差検証は様々な場面で紹介されていますが、実際に学ぶと詰まるポイントが多い
MagicAnimate: Temporally Consistent Human Image Animation using Diffusion Modelを触る｜ねご(Nego)
MagicAnimate: Temporally Consistent Human Image Animation using Diffusion Model with @Gradio demo local demo: https://t.co/ScsEU6oG64 This paper studies the human image animation task, which aims to generate a video of a certain reference identity following a particular motion… pic.twitter.com/JCOr0yCRZs — AK (@_akhaliq) December 4, 2023 モデル準備リリース時点では READMEにあるStableDiffusion V1.5とMSE-finetuned VA
(負荷試験ツール)Locustで基本的な使い方/よくある使い方 - Qiita
注意 この記事は古く、v1.0以降は記載した実装では動作しません 別の方がv1.0での実装を記事にされていますので、そちらを参照してください https://qiita.com/sekikatsu/items/992e82671aa505c5a652 Locustって何よ 負荷試験ツール 一度に大量のリクエストを発生させることができる Python 簡単に負荷試験の処理を定義できる 環境構築 公式で配布しているDockerImageを使ってdocker-compose.yamlを定義する 筆者の環境はMac OS Catalina(10.15.1) ローカル環境で実行した version: "3.4" x-common: &common image: locustio/locust environment: &common-env TARGET_URL: http://example.co
LlamaIndexを完全に理解するチュートリアル その１：処理の概念や流れを理解する基礎編（v0.6.8対応） | DevelopersIO
なおRetrieverModeは、後述するas_query_engineでQueryEngineを作成する際に与えることができます。 Contextについて IndexとRetrieverは密接に関連しているものですが、それとは別に依存する処理クラスをContextとして与えます。 このContextは具体的には、Storage ContextとService Contextの２種類です。 冒頭のサンプルでは、デフォルトで動作しているためContextが見えないのですが、明示的に書くと以下のようになります。 from llama_index import StorageContext from llama_index.storage.docstore import SimpleDocumentStore from llama_index.storage.index_store import
CVATでバウンディングボックスをアノテーションしてみる | DevelopersIO
データアナリティクス事業本部の鈴木です。 教師あり学習で画像の物体認識を行う際には、一般的には以下の情報が必要になります。 画像 アノテーションデータ（どこになんの物体が写っているかなど） 公開されているデータセットでは、アノテーションデータがすでに準備されていることも多いですが、新しい問題に取り組む際には、基本的には自分でアノテーションを付ける必要があります。 今回は画像にアノテーションデータとしてバウンディングボックスを付けるために、Computer Vision Annotation Tool (以降、CVAT)を調べたのでご紹介します。 CVATとは インテルで開発されている、コンピュータビジョンアルゴリズム用のラベリングツールです。 MITライセンスで配布されており、ソースコードはGitHubで公開されています。 ウェブベースのツールで、Dockerでサーバーを起動し、Googl
Unblocking clipboard access | Articles | web.dev
Unblocking clipboard access Stay organized with collections Save and categorize content based on your preferences. The traditional way of getting access to the system clipboard was via document.execCommand() for clipboard interactions. Though widely supported, this method of cutting and pasting came at a cost: clipboard access was synchronous, and could only read and write to the DOM. That's fine
AUTOMATIC1111をGoogle Colabで使用する方法 ｜ Stable Diffusion高機能Web UIの活用法 | Murasan Lab
今回はGoogleのクラウドコンピューティングサービス、Google ColabratoryでStable DiffusionのWeb UIであるAUTOMATIC1111を使って画像生成する方法を解説します。 自宅にゲーミングPCなど、高性能なグラフィックボードを搭載したPCを持っていない方でも利用することができます。 2023年4月現在、Google Colabratoryの無料版ではStable Diffusionが使用できなくなりました。無料版で使用した場合、アカウント停止などの措置が取られる可能性がありますのでご注意ください。 （有料版のGoogle Colaboratory Proでは引き続き使用できるようです） 前回のローカル環境同様、Pythonのプログラミングを一切必要とせず画像を生成することができますので、ぜひ活用してみてください。 ローカル環境でAUTOMATIC11
[VR] Quest2対応、Beat Saberにカスタム曲をインストールする方法 [BMBF]
こんにちは、アフロドッグです。 ゲーミングPCなしにVRを楽しめる「Oculus Quest 2（以下、Quest2）」に最近どハマりしております。特に、「Beat Saber」という、音楽に合わせて、ライトセーバーを振り回すゲームに夢中です。 ただ、少し難点がありまして、公式から提供されている音楽が少なくて、少なくて、物足りないのです。 私はThe Kid LAROIとJustin Bieberの「Stay」という曲が好きなのですが、公式には対応しておりません。 ところが、ですよ、好きな音楽をビートセイバーで楽しむ方法があります。少し手間はかかってしまいますが、好きな音楽を追加できる喜びは、何ものにも替えがたく、余裕のある方はぜひチャレンジしてみてください。 今回は、公式に対応していない曲を楽しむ方法を紹介していきます。ゲーミングPCは不要ですが、普通のパソコンは必要です。 必要なもの＆
![[VR] Quest2対応、Beat Saberにカスタム曲をインストールする方法 [BMBF]](https://cdn-ak-scissors.b.st-hatena.com/image/square/0067ad68952da6edb4825d63155602a95c3c9ec1/height=288;version=1;width=512/https%3A%2F%2Fwww.afrodogz.com%2Fwp-content%2Fuploads%2F2021%2F12%2Fimage-20.png)
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
How to Extract Text from a PDF Using PyMuPDF and Python
GitHub - hppRC/bert-classification-tutorial: 【2023年版】BERTによるテキスト分類
YOLO Data Augmentation Explained
https://github.com/Azure/cognitive-search-vector-pr/tree/main/demo-python/code
How to Train YOLOv6 on a Custom Dataset
Journey using CVAT semi-automatic annotation with a partially trained model to tag additional…
【初心者向け】Loraの使い方について！！
https://opencv.github.io/cvat/docs/administration/basics/installation/
Stable DiffusionでVAEを使用する方法 ｜ AUTOMATIC1111高機能Web UIの活用法 | Murasan Lab
It’s NeRF From Nothing: Build A Vanilla NeRF with PyTorch
