emeeks

// Word cloud layout by Jason Davies, http://www.jasondavies.com/word-cloud/
// Algorithm due to Jonathan Feinberg, http://static.mrfeinberg.com/bv_ch03.pdf
(function(exports) {
  function cloud() {
    var size = [256, 256],
        text = cloudText,
        font = cloudFont,
        fontSize = cloudFontSize,
        rotate = cloudRotate,
        padding = cloudPadding,

willurd

Each of these commands will run an ad hoc http static server in your current (or specified) directory, available at http://localhost:8000. Use this power wisely.

Discussion on reddit.

Python 2.x

$ python -m SimpleHTTPServer 8000

branneman

Better local require() paths for Node.js

Problem

When the directory structure of your Node.js application (not library!) has some depth, you end up with a lot of annoying relative paths in your require calls like:

const Article = require('../../../../app/models/article');

Those suck for maintenance and they're ugly.

Possible solutions

nacyot

Docker 치트 시트

• 한국어 번역(초벌): nacyot
• 같이 읽으면 좋은 문서들
  • 리눅스 컨테이너란?
  • 도커(Docker) 튜토리얼 : 깐 김에 배포까지
  • 왜 굳이 도커(컨테이너)를 써야 하나요? - 컨테이너를 사용해야 하는 이유
  • 초보를 위한 도커 안내서 - 도커란 무엇인가?

왜 Docker를 사용해야하는가?

rowej83

/* pure-hidden-xs */
@media screen and (max-width:567px) {
    .pure-visible-sm{display:none}
    .pure-visible-md{display:none}
    .pure-visible-lg{display:none}
    .pure-visible-xl{display:none}
    .pure-hidden-xs{display:none}
}
/* pure-hidden-sm */
@media screen and (min-width:568px) and (max-width:767px) {

karpathy

"""
Minimal character-level Vanilla RNN model. Written by Andrej Karpathy (@karpathy)
BSD License
"""
import numpy as np

# data I/O
data = open('input.txt', 'r').read() # should be simple plain text file
chars = list(set(data))
data_size, vocab_size = len(data), len(chars)

qgp9

template < class T, int n > struct mvector_tool{
  typedef vector< typename mvector_tool<T,n-1>::type > type;
  static type gen_vector( std::array<unsigned int, n> index, T initvalue ){
    std::array<unsigned int,n-1> index_next;
    std::copy_n( index.begin()+1, n-1, index_next.begin() );
    return type( index.front(), mvector_tool<T,n-1>::gen_vector( index_next, initvalue ));
  }
};

template < class T > struct mvector_tool<T,0>{

haje01

도커와 AWS를 활용한 클라우드 딥러닝 환경 구축

글쓴이: 김정주(haje01@gmail.com)

최근 딥러닝 관련 패키지들은 대부분 CPU와 GPU를 함께 지원하고 있습니다. GPU를 사용하면 보다 빠르게 학습 결과를 낼 수 있지만, GPU를 활용하기 위해서는 NVIDIA계열의 그래픽 카드, 드라이버 S/W 그리고 CUDA의 설치를 필요로 합니다.

이 글에서는 AWS의 GPU 인스턴스와 도커를 활용해 딥러닝 패키지(Caffe)를 편리하게 사용하는 방법을 소개합니다.

---

qgp9

How to make a tumbnail of snapshots from a movie clip with libAV

qgp9

#include <iostream>
#include <vector>


//=====================================================
// V1 : Wraper class of vector ( has vector ) 
//=====================================================
template < class T , int dim > 
class MultiVector {
public: