45deg

import random

import matplotlib.animation as animation
import matplotlib.pyplot as plt

capitals = {
    'Hokkaido': (43.0646, 141.3468),
    'Aomori': (40.8246, 140.7406),
    'Iwate': (39.7036, 141.1527),
    'Miyagi': (38.2688, 140.8721),

45deg

import numpy as np
from numpy import pi
# import matplotlib.pyplot as plt

N = 400
theta = np.sqrt(np.random.rand(N))*2*pi # np.linspace(0,2*pi,100)

r_a = 2*theta + pi
data_a = np.array([np.cos(theta)*r_a, np.sin(theta)*r_a]).T
x_a = data_a + np.random.randn(N,2)

45deg

IQ1 AdC 16 日目

アカデミックライティングの訓練をしてこなかった人間(me)がさびしい英語力で何とか英語で論文を書いてきたときに使っていたサービスやツールを挙げていきます。

• Hyper Collocation https://hypcol.marutank.net
  • 先に現れる/後に続く単語をarXivの論文の中から検索できるサービスです。
  • 前置詞や接続詞のどれが正しいか調べるのはもとより、この表現は widely accepted な表現かどうかを確かめるといった用途にも役立ちます (ちなみに今 "widely accepted" という表現が widely accepted かどうかを調べました)
  • 欠点としては、たまに(ノンネイティブの)間違った英語もarXivに乗っていることがあります。
• Do people say? https://dopeoplesay.com
• Reddit の書き込みから例文を検索するシステムです。

45deg

const Twit = require('twit');
const fs = require('fs');
const { promisify } = require('util');
const ProgressBar = require('progress');
const asyncPool = require('tiny-async-pool');

const T = new Twit({
    consumer_key: 'HERE', 
    consumer_secret: 'HERE',
    access_token: 'HERE', 

45deg

45deg

[package]
name = "wordle"
version = "0.1.0"
edition = "2021"

# See more keys and their definitions at https://doc.rust-lang.org/cargo/reference/manifest.html

[dependencies]
rand = "0.8"

45deg

From Sonic Pi to Overtone

Source: http://dl.acm.org/citation.cfm?doid=2505341.2505346

Sonic Pi (教育用のRasPi連携ができるプログラム) と Overtone (Lisp風のLive Coding言語) についてのレポート。1.1 の Related Research に関連分野がまとまっている。バックエンドとして用いているSuperColliderにも解説がある。

---

[Demo abstract] Scripthica: A Web Environment for Collective Algorithmic Composition

45deg

https://github.com/kohya-ss/sd-scripts/blob/main/train_network_README-ja.md これが正しい

• 正則化画像はいらん
• バッチサイズは2でいい
• 巷の文章では学習用プロンプトの拡張子がtxtだが公式ではcaptionなので注意
• dimは https://rentry.org/lora_train には 128 と書いてあるけど 4～16 ぐらいが無難 → dimの大きさによって重みを 1/n 倍する必要あり？ → アップデートで直った
• 最初は1epochでもうまく学習できてればそこそこ良い画像が生成される。うまく学習できてないといくら学習しても無が生成されることになる。
• Additional Networks で 生成するときの weight は 0.1 付近じゃないとガビガビになる → アップデートで直った

---

45deg

45deg

type prop =
 True |
 Var of char |
 And of prop * prop |
 Not of prop |
 N of prop |
 U of prop * prop

(* slow! *)
let eventually p = U (True, p)