ブログ記事651件
脅威のﾆｭｰｽが飛び込んできた😮26日🇬🇧ﾛﾝﾄﾞﾝで行われたﾛﾝﾄﾞﾝ･ﾏﾗｿﾝ🏃♂️で男子のｾﾊﾞｽﾁｬﾝ･ｻｳｪ(ｹﾆｱ)が“1時間59分30秒”の「世界新記録」を樹立した🙌／ついに2時間切り‼️https://news.yahoo.co.jp/articles/9e0be27154b233737aeb6b5c5c61e0c45c1b9d3b人類初のマラソン2時間切り、31歳サウェとは何者かトラック実績劣るも…2分台3連発か
シート名に"削除"を含むシートを一括削除するSubtest()'印刷処理を高速化するWithActiveSheetApplication.PrintCommunication=False.PageSetup.PrintTitleRows="$1:$2"Application.PrintCommunication=True.PrintPreview
いつものごとくChatGPTにプログラムを書いてもらった。最強・最凶クラスのアルゴリズムが出来たので、そのフローを記録したい。AIで再現できるようにした。ソルバーはHiGHSを使用引用ChatGPTこの記事は、cuttingstockproblem（カッティングストック問題）を、単なる切断パターン作成ではなく、組合せ最適化、数理最適化、離散最適化、列生成法、動的計画法、混合整数計画、製造最適化、資源配分最適化、complexsystemsoptimizationの一例とし
いつものごとくChatGPTにプログラムを書いてもらった。最強・最凶クラスのアルゴリズムが出来たので、そのフローを記録したい。引用ChatGPT■CuttingStockProblem/組合せ最適化/歩留まり最大とパターン種類最小のアルゴリズム設計【前編】この記事は、cuttingstockproblem（カッティングストック問題）を、単なる「切断パターンの話」ではなく、組合せ最適化、数理最適化、離散最適化、operationsresearch、manufact
ここ最近動画を簡単に編集したり、アプリが増えたりしてメインのMacであるM4MacminiApple2024Macmini10コアCPU、10コアGPUのM4チップ搭載デスクトップコンピュータ:AppleIntelligenceのために設計、16GBユニファイドメモリ、512GBのSSDストレージ、ギガビットEthernet。iPhoneやiPadとの連係機能Amazon（アマゾン）最近ではMacminiM4と呼ばずに、M4Ma
解析ソルバーHiGHSC++ソースにおいて、高速化技術、C++の高速化・アルゴリズムの高速化、その他すべての高速化について、100個、あげて下さい。引用CopilotHighs（HiGHS）ソルバーのC++実装における高速化テクニックを、アルゴリズム高速化・C++高速化・メモリ最適化・ビルド最適化・ハードウェア活用など、あらゆる観点から100個まとめて提示します。実際にHiGHSのコードを読むと、LP・MIP・QPの各ソルバーで多くの最適化が行われていますが、以下は一般
解析ソルバーHiGHSC++ソースにおいて、高速化技術、C++の高速化・アルゴリズムの高速化、その他すべての高速化について、100個、あげて下さい。引用ChatGPT以下、HiGHSのC++ソースを使う前提で、**「C++実装の高速化」「アルゴリズムの高速化」「モデル側の高速化」「ビルド・実行環境の高速化」**を全部まとめて、100個挙げます。まず前提だけ短く書くと、HiGHSはLP/MIP/QP向けの高性能ソルバーで、presolve、simplex、ipm
解析ソルバーHiGHSC++ソースにおいて、高速化技術、C++の高速化・アルゴリズムの高速化、その他すべての高速化について、100個、あげて下さい。引用GeminiHiGHSは、現在世界で最も高速なオープンソースの線形計画法（LP）および混合整数計画法（MIP）ソルバーの一つです。その高速化の秘密は、教科書的なアルゴリズムの実装にとどまらず、**「計算幾何学的なデータ構造の最適化」と「徹底したC++の低レイヤ最適化」**の両面にあります。100個のポイントを、アルゴリズム、実装技術
この記事では、Windows11を高速化する方法を詳細に解説します。具体的には、スタートアップアプリの無効化、ディスクのクリーンアップ、電源モードの変更、視覚効果の無効化、マルウェアスキャンの実行、ドライバーとWindowsの更新など、さまざまな高速化のヒントを紹介します。Windows11の高速化！重い・遅いパソコンを軽くする方法この記事では、システム設定、パフォーマンス、ハードウェアアップグレードに関する実用的なPC高速化ヒントを解説し、Windows11の動作を軽くする方法につ
当ブログでは、以下の２回におきまして、宮崎県延岡市の駅であります延岡駅・南延岡駅、そして令和５年に廃止されました南延岡駅から接続しておりました、旧旭化成専用線に関しましてご紹介しておりました。『ＮＯ．３３８９廃止から２年半になる、南延岡駅・旭化成専用線の現状（前編、延岡駅→南延岡駅の今）』これまでも当ブログでもご紹介しておりますように、宮崎県延岡市の玄関口と言いますと、何と言いましても日豊線の駅でもあります延岡駅ではないかと思います。延…ameblo.jp『ＮＯ．３３９０
「AI、期待してたほどじゃないかも…？」「これなら自分でやった方が早い気がする…」そんな風に感じて、AIと少し距離を置いてしまっている方、いないでしょうな？実はそれ、AIの能力が低いのではなく、ちょっとした「設定」が合っていないだけかもしれません。例えるなら、すごく性能の良いカーナビを持っているのに、「一般道優先」の設定のまま走っているような状態なんです。近所へのお買い物なら、のんびり下道でも問題ありません。でも、仕事で「遠くの目
①1990年代前半：CD-R誕生（1倍速〜2倍速）初期のCD-Rは1倍速（約78分）でしか書けなかった価格は高く、業務用途が中心書き込み方式はCLV（ConstantLinearVelocity）のみメディア品質も低く、失敗も多かった②1990年代後半：4倍速〜8倍速の普及一般ユーザーにもCD-Rが普及し始める4倍速（約20分）、8倍速（約10分）が登場依然としてCLVが主流メディア品質が向上し、安定性が増す「焼く」という言葉が一般化した時期③1999〜
新幹線など鉄道が高速化してあまり買わなくなったものの一つ駅弁車両の窓は開かなくなり窓越しに立ち売り販売員から買うことも無くなった揚げ煮の果てには、車内販売まで無くなったさて妻の希望で、清泉寮のソフトクリーム食べに新宿の京王デパートまでミャクミャクの引っ張りだこ弁当欲しさに約1時間ならんだけど・・・敗北手ぶらで帰えれない癪に触るのでキン肉マンとミャクミャクのコラボ弁当を買うそれなりの味でしたしかし、楽しみにしていたおまけのミャクミャクキーホルダ
Numbaって何者やねん―PythonをCUDAに変える魔法zenn.devご指定の記事「Numbaって何者やねん―PythonをCUDAに変える魔法」の要約は以下の通りです。記事の概要この記事は、Pythonコードを高速化するライブラリNumbaの正体と、なぜNumPyと組み合わせてGPU計算（CUDA）ができるのかを初心者向けに解説したものです。要点まとめNumbaの正体：JIT（実行時）コンパイラNumbaは、PythonコードをLLVMというコンパイラ基盤を通じて
うんまぁ普通の一般人(ランニングを少しかじっている程度)やけどあまりにも衝撃的過ぎて………(^_^;)タイトル通り今年の箱根駅伝をテレビで見ていたんだけどなんかもうあの〜適切な言葉が出てこないんだけど昨日の往路5区昨日も書いたけれど一言めがう嘘っ〜！二言目がふざけんな〜まじ？普通にビックリした場合(人それぞれだけど)たぶん言葉無くすそれ以上になると笑っちゃうのかな？でも今回はそれ以上怒りと言うか呆れると言うかなんちゅうかそれぐらいの衝撃
以下、NT6.0ことVista以降で追加された機能。フォルダの中身を毎回自動で調べてタイプを判別する機能。レジストリ設定をすると早くなるかもしれない。ただ、レジストリ変更は危険を伴うので自己責任で、慎重に。新規に追加する場合は問題が起こりにくいらしい。Windows11のファイルエクスプローラーの表示速度を早くする方法|ニッチなPCゲーマーの環境構築ZWindows11のファイルエクスプローラーの表示速度を早くする方法が報じられました。海外メディアのWindow
福岡県内を走ります、西日本鉄道（西鉄）の天神大牟田線と言いますと、西鉄久留米駅を境にして利用者に変化が見られておりまして、それによりまして編成も異なっております。実際に、上の画像にもありますように、３０００形電車（画像１）あるいは通勤用車両（画像は５０００形電車）によります、福岡（天神）～大牟田間の特急列車が運行されておりますし、両タイプの電車によります急行列車も運行されておりまして、急行列車に関しましては主に福岡（天神）～小郡間、福岡（天神）～花畑間と、天神大牟田線では北寄りの区
連珠の詰め連珠のルーチンにハッシュで同一局面を検出した際は先読みせずに過去の結果を返すという方法を用いようとしたがどうも同一局面が発生していないみたいだった先読み深さを０，２，４，６，８と深くしていった場合浅い段階で詰みが確定すればその結果を返すというメリットが考えられるのだがどうも新規詰み局面を登録する動きはあるのだがその局面を見つけてすでに確定した結果を返すコードは実行されていない連珠の場合常に石が増加するので前の局面が再度出現することはあ
「Windows11」の動作が重いと感じた場合、以下の方法でパフォーマンスを改善できる可能性があります。キャッシュや不要ファイルの削除に加え、システム設定の見直しも効果的です。✅基本的な対処法（キャッシュ・不要ファイルの削除）1.「ディスククリーンアップ」で不要ファイルを削除スタートメニューで「ディスククリーンアップ」と検索。対象のドライブ（通常はC:）を選択して「OK」。「一時ファイル」「システム作成のWindowsエラーレポート」などにチェックを入れて「OK」→「フ
C++乱数の覚書引用ChatGPT時間的基準はXorShift32を基準としsは疑似タイムである。アルゴリズム別：相対速度比較（更新版）アルゴリズム状態サイズ周期統計品質実行時間（相対）備考XorShift3232ビット2³²-1低1.0s(基準)最速、品質は低いXorShift32+カウンタ再シード32ビット擬似無限やや改善1.3～1.5s周期の突破、統計特性わずかに向上XorShift128+128ビット2¹²⁸-1中
c++のクラスに設計で速度を重視した場合、次の事はどのように考えられますか？メンバ変数を定義し、各関数でりようする。メンバ変数を使わず引数で引き回す方法。メンバ変数の便利さは考慮しません。また、数千回呼び出されるクラス関数とします引用CHATGPT速度重視のC++クラス設計において、「メンバ変数を使うか、それとも引数で引き回すか」という選択は、パフォーマンス、キャッシュ効率、インライン展開などの観点から考える必要があります。以下、それぞれの方法について速度重視の観点から整理します
覚書。引用ChatGPT1ms*10^-100も使いたくない。そんなわけで。質問１．this->mVector[n]とmVector[n]速度差は？✅結論：ほぼゼロ。誤差レベル。だけど、厳密にはこう：mVector[n]→名前解決してアクセスthis->mVector[n]→明示的に「自分のメンバ」としてアクセス最適化後は同じ機械語になります。最適化オフ（Debugビルド）ではthis->がちょっとだけコスト増。（とはいえ、CPUのL1キャッシュ内なの
覚書なぜconstsize_t&よりsize_tのほうが速いのか適用後、若干早くなった。1分近くの短縮ができたら良いんだが。d_fcCopySE_BlockSTD_pVector：548μｓd_fcCopySE_BlockSIMD_pVector：335μｓd_fcCopySE_BaseSTD_pVector：265μｓd_fcCopySE_BaseSIMD_pVector：450μｓArrN*N:N=20000mtd：stdコピー:
覚書なぜconstsize_t&よりsize_tのほうが速いのかあなたの直感「参照のほうがコピーしないから速いのでは？」→普通の型（例えばdoubleやクラス）ならそれ正解です！でも、size_tはただのunsignedintみたいなもので「たったの8バイト」です。ポイント参照は内部的に「ポインタ」です。つまり、constsize_t&rは「rのアドレス」を持ちます。でもsize_trなら、そのまま値（レジスタ）に置ける。現代CPUでは、
覚書。引用ChatGPT話のポイントは何億回も呼ばれる自作配列クラスのoperatorの話です。質問１．なぜconstsize_t&よりsize_tのほうが速いのか？あなたの直感「参照のほうがコピーしないから速いのでは？」→普通の型（例えばdoubleやクラス）ならそれ正解です！でも、size_tはただのunsignedintみたいなもので「たったの8バイト」です。ポイント参照は内部的に「ポインタ」です。つまり、constsize_t&rは「rの
覚書プロセッサAMDRyzen53500UwithRadeonVegaMobileGfx2.10GHz実装RAM8.00GB(5.88GB使用可能)fcCopySE_BlockSTDcopy_pVector:2msfcCopySE_BlockSIMD_pVector:3msfcCopySE_BaseSTDcopy_pVector:4msfcCopySE_BaseSIMD_pVect
サイトさんに感謝引用https://qiita.com/tyanmahou/items/8497d6e815ebf7ea90c6引用ChatGPT動的配列ライブラリ作っているので、new配列とstd::vectorと比較したくなった。で、L回した平均を出すものを作って、さらにまとめて出力できる。#pragmaonce#include<string>#include<iostream>#include<chrono>#include<functional>#include
覚書引用ChatGPTこちらこそ、いつも本質的で良い質問ありがとうございます！スレッドとstatic/ローカル変数の関係について、以下に分かりやすくまとめます。結論（先に要点）種類各スレッドで独立？備考関数内ローカル変数独立しているスタック領域に生成、スレッドごとに別物static変数（関数内）❌共通（共有される）グローバル領域に一つだけ存在するクラスのstatic変数❌共通（共有される）全インスタン
覚書引用ChatGPTオリジナル（仮）for(inti=iStart;i<iEnd;++i){pDst[i]=pSrc[i];}高速化版（一行ずつ改変明示）//1.restrictでポインタの非エイリアス宣言（ただしC++では非標準。VCなら__restrict使用）T*__restrictpS=pSrc+iStart;//元:pSrc[i]T*__restrictpD=pDst+iStart;//
覚書。//呼び出し側が高速に使えるforEach的な手法//これは「関数の中に関数を渡して処理する」＝高階関数というテクです！//fnとは？渡されたラムダ関数・関数ポインタ・関数オブジェクトのこと。////全要素を加算する処理（呼び出し側は何も意識せず！）template<typenameFunc>voidforEach(Func&&fn){T
