mnrn

use std::marker::PhantomData;
use std::default::Default;
use serde::Serialize;
use crate::hue::light::Light;
use crate::hue::light::LightState;

/// Structure for Hue Bridge.
pub struct Bridge {
    /// IP Address of the bridge on your network.
    ip_address: String,

mnrn

人月

人月は見積もりとスケジューリングに使われる仕事の単位であり、そのコストは実際に人数と月数の積に比例するというものですが、 仕事の大きさを測る単位としての人月は疑うべき神話であります。人月は、人と月が互いに交換できるという意味を持っているからです。

人と月が交換可能になるのは、多くの作業者の間でコミュニケーションを取らなくても、仕事が分担可能である場合のみです。
仕事が分担可能でない場合、人を増やすという対策はスケジュールにおいては何の効果も生みません。
女性がたくさん動員されたところで、子供一人が生まれてくるまでに十月十日かかることと同じです。

また、分担は可能であるがサブタスク間でのコミュニケーションが必要な仕事においては、

mnrn

boost.asio と libuv の比較

実装がネットワークを高速化する際のボトルネックになっていることが多々ある。(コンピュータネットワーク- p.568)
このことからネットワークを構築する際には信頼できる OSS を使うのが良いと考えられます。

以下では、有名なネットワークライブラリである boost.asio と libuv について個人的な感想を述べて比較します。

• asio
  • 良い点
• c++ のライブラリである。

mnrn

/**
 * @brief RSA鍵暗号のサンプルコード
 * @date  2016/07/03
 * @ref   techtipshoge.blogspot.com/2014/04/javarsa.html
 */


//********************************************************************************
// パッケージ宣言
//********************************************************************************

mnrn

import unittest


def cycle_finding(n):
    m, p = 1, 1  # m.. カメの計算のあまり  p.. ウサギの計算の余り
    s, t = 0, 0  # s.. 循環節の先頭小数桁位置  t.. 循環節の末尾小数桁位置

    while True:
        m = (m * 10) % n
        p = (p * 10) % n

mnrn

#include <sys/types.h> // for network

static constexpr u_int16_t checksum(const u_int16_t* data, const size_t n)
{
    u_int32_t sum = 0;
    // The inner loop.
    for (size_t i = n; i > 1; i -= 2, data++) {
        sum += *data;
    }
    // Add left-over byte, if any.

mnrn

#include <optional>

// Let Catch provide main():
#define CATCH_CONFIG_MAIN
#include <catch2/catch.hpp>

constexpr auto cycle_finding(std::uint64_t n) -> std::optional<std::uint64_t> {
  // m.. カメの計算のあまり  p.. ウサギの計算の余り
  std::uint64_t m = 1, p = 1;

mnrn

#include <iostream>
#include <chrono>
#include <cuda_runtime.h>

// N x Nの行列を扱う
constexpr std::size_t N = 1024;

// 1つのブロックでBLOCK_SIZE x BLOCK_SIZEのスレッドを管理する
constexpr std::size_t BLOCK_SIZE = 16;

mnrn

import numpy as np
from scipy.spatial import ConvexHull
import matplotlib.pyplot as plt


if __name__ == '__main__':
    points = np.loadtxt('points.csv', delimiter=' ')
    plt.scatter(points[:, 0], points[:, 1])

    hull = ConvexHull(points)

mnrn

##
# @brief   行列積のためのStrassenのアルゴリズムを扱います
#
# @date    2016/04/30
#

import numpy as np  # 数値計算のためのライブラリ


##