Submit Search
Upload
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
•
14 likes
•
14,914 views
Preferred Networks
Follow
PFIセミナー 2016/04/28
Read less
Read more
Technology
Report
Share
Report
Share
1 of 30
Download now
Download to read offline
Recommended
プログラムを高速化する話
プログラムを高速化する話
京大 マイコンクラブ
Marp Tutorial
Marp Tutorial
Rui Watanabe
メタプログラミングって何だろう
メタプログラミングって何だろう
Kota Mizushima
DockerコンテナでGitを使う
DockerコンテナでGitを使う
Kazuhiro Suga
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
Pythonの処理系はどのように実装され,どのように動いているのか? 我々はその実態を調査すべくアマゾンへと飛んだ.
Pythonの処理系はどのように実装され,どのように動いているのか? 我々はその実態を調査すべくアマゾンへと飛んだ.
kiki utagawa
すごい constexpr たのしくレイトレ!
すごい constexpr たのしくレイトレ!
Genya Murakami
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
Recommended
プログラムを高速化する話
プログラムを高速化する話
京大 マイコンクラブ
Marp Tutorial
Marp Tutorial
Rui Watanabe
メタプログラミングって何だろう
メタプログラミングって何だろう
Kota Mizushima
DockerコンテナでGitを使う
DockerコンテナでGitを使う
Kazuhiro Suga
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
Pythonの処理系はどのように実装され,どのように動いているのか? 我々はその実態を調査すべくアマゾンへと飛んだ.
Pythonの処理系はどのように実装され,どのように動いているのか? 我々はその実態を調査すべくアマゾンへと飛んだ.
kiki utagawa
すごい constexpr たのしくレイトレ!
すごい constexpr たのしくレイトレ!
Genya Murakami
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
Fixstars Corporation
Pythonによる黒魔術入門
Pythonによる黒魔術入門
大樹 小倉
ゲーム開発者のための C++11/C++14
ゲーム開発者のための C++11/C++14
Ryo Suzuki
ネットワーク ゲームにおけるTCPとUDPの使い分け
ネットワーク ゲームにおけるTCPとUDPの使い分け
モノビット エンジン
モデル高速化百選
モデル高速化百選
Yusuke Uchida
Docker Compose 徹底解説
Docker Compose 徹底解説
Masahito Zembutsu
暗号技術の実装と数学
暗号技術の実装と数学
MITSUNARI Shigeo
目grep入門 +解説
目grep入門 +解説
murachue
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
深層強化学習と実装例
深層強化学習と実装例
Deep Learning Lab(ディープラーニング・ラボ)
ARM CPUにおけるSIMDを用いた高速計算入門
ARM CPUにおけるSIMDを用いた高速計算入門
Fixstars Corporation
強化学習アルゴリズムPPOの解説と実験
強化学習アルゴリズムPPOの解説と実験
克海 納谷
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
Hiro H.
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
Hori Tasuku
DQNからRainbowまで 〜深層強化学習の最新動向〜
DQNからRainbowまで 〜深層強化学習の最新動向〜
Jun Okumura
C#とILとネイティブと
C#とILとネイティブと
信之 岩永
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Preferred Networks
Python札幌 2012/06/17
Python札幌 2012/06/17
Shinya Okano
Python & PyConJP 2014 Report
Python & PyConJP 2014 Report
gree_tech
More Related Content
What's hot
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
Fixstars Corporation
Pythonによる黒魔術入門
Pythonによる黒魔術入門
大樹 小倉
ゲーム開発者のための C++11/C++14
ゲーム開発者のための C++11/C++14
Ryo Suzuki
ネットワーク ゲームにおけるTCPとUDPの使い分け
ネットワーク ゲームにおけるTCPとUDPの使い分け
モノビット エンジン
モデル高速化百選
モデル高速化百選
Yusuke Uchida
Docker Compose 徹底解説
Docker Compose 徹底解説
Masahito Zembutsu
暗号技術の実装と数学
暗号技術の実装と数学
MITSUNARI Shigeo
目grep入門 +解説
目grep入門 +解説
murachue
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
深層強化学習と実装例
深層強化学習と実装例
Deep Learning Lab(ディープラーニング・ラボ)
ARM CPUにおけるSIMDを用いた高速計算入門
ARM CPUにおけるSIMDを用いた高速計算入門
Fixstars Corporation
強化学習アルゴリズムPPOの解説と実験
強化学習アルゴリズムPPOの解説と実験
克海 納谷
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
Hiro H.
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
Hori Tasuku
DQNからRainbowまで 〜深層強化学習の最新動向〜
DQNからRainbowまで 〜深層強化学習の最新動向〜
Jun Okumura
C#とILとネイティブと
C#とILとネイティブと
信之 岩永
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Preferred Networks
What's hot
(20)
協調フィルタリング入門
協調フィルタリング入門
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
Pythonによる黒魔術入門
Pythonによる黒魔術入門
ゲーム開発者のための C++11/C++14
ゲーム開発者のための C++11/C++14
ネットワーク ゲームにおけるTCPとUDPの使い分け
ネットワーク ゲームにおけるTCPとUDPの使い分け
モデル高速化百選
モデル高速化百選
Docker Compose 徹底解説
Docker Compose 徹底解説
暗号技術の実装と数学
暗号技術の実装と数学
目grep入門 +解説
目grep入門 +解説
全力解説!Transformer
全力解説!Transformer
深層強化学習と実装例
深層強化学習と実装例
ARM CPUにおけるSIMDを用いた高速計算入門
ARM CPUにおけるSIMDを用いた高速計算入門
強化学習アルゴリズムPPOの解説と実験
強化学習アルゴリズムPPOの解説と実験
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
DQNからRainbowまで 〜深層強化学習の最新動向〜
DQNからRainbowまで 〜深層強化学習の最新動向〜
C#とILとネイティブと
C#とILとネイティブと
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Similar to Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Python札幌 2012/06/17
Python札幌 2012/06/17
Shinya Okano
Python & PyConJP 2014 Report
Python & PyConJP 2014 Report
gree_tech
Python for Beginners ( #PyLadiesKyoto Meetup )
Python for Beginners ( #PyLadiesKyoto Meetup )
Ai Makabi
PyPy 紹介
PyPy 紹介
shoma h
ゼロから学ぶPython勉強会
ゼロから学ぶPython勉強会
sekikazu
Pythonコミュニティが私に与えてくれたもの
Pythonコミュニティが私に与えてくれたもの
TomomiK
サードパーティパッケージの歩き方
サードパーティパッケージの歩き方
Takesxi Sximada
OSS Study#19_LT
OSS Study#19_LT
NaoY-2501
stapy#23 LT
stapy#23 LT
NaoY-2501
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
Takayuki Shimizukawa
プログラミング学習とScratch raspi python
プログラミング学習とScratch raspi python
Yoshitaka Shiono
Python入門者の集い #6 Lightning Talk
Python入門者の集い #6 Lightning Talk
Katayanagi Nobuko
本気でPythonで宛名書きした話
本気でPythonで宛名書きした話
Satoshi Yamada
Pythonでpdfをいじってみる
Pythonでpdfをいじってみる
株式会社 システムヨシイ
S18 t0 introduction
S18 t0 introduction
Takeshi Akutsu
Py datameetup1
Py datameetup1
shiroyagi
次世代言語 Python による PyPy を使った次世代の処理系開発
次世代言語 Python による PyPy を使った次世代の処理系開発
shoma h
世界のSphinx事情 @ SphinxCon JP 2015
世界のSphinx事情 @ SphinxCon JP 2015
Takayuki Shimizukawa
S06 t1 python学習奮闘記#4
S06 t1 python学習奮闘記#4
Takeshi Akutsu
Sphinxを使って本を書こう #pyconjp 2012
Sphinxを使って本を書こう #pyconjp 2012
Takayuki Shimizukawa
Similar to Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
(20)
Python札幌 2012/06/17
Python札幌 2012/06/17
Python & PyConJP 2014 Report
Python & PyConJP 2014 Report
Python for Beginners ( #PyLadiesKyoto Meetup )
Python for Beginners ( #PyLadiesKyoto Meetup )
PyPy 紹介
PyPy 紹介
ゼロから学ぶPython勉強会
ゼロから学ぶPython勉強会
Pythonコミュニティが私に与えてくれたもの
Pythonコミュニティが私に与えてくれたもの
サードパーティパッケージの歩き方
サードパーティパッケージの歩き方
OSS Study#19_LT
OSS Study#19_LT
stapy#23 LT
stapy#23 LT
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
プログラミング学習とScratch raspi python
プログラミング学習とScratch raspi python
Python入門者の集い #6 Lightning Talk
Python入門者の集い #6 Lightning Talk
本気でPythonで宛名書きした話
本気でPythonで宛名書きした話
Pythonでpdfをいじってみる
Pythonでpdfをいじってみる
S18 t0 introduction
S18 t0 introduction
Py datameetup1
Py datameetup1
次世代言語 Python による PyPy を使った次世代の処理系開発
次世代言語 Python による PyPy を使った次世代の処理系開発
世界のSphinx事情 @ SphinxCon JP 2015
世界のSphinx事情 @ SphinxCon JP 2015
S06 t1 python学習奮闘記#4
S06 t1 python学習奮闘記#4
Sphinxを使って本を書こう #pyconjp 2012
Sphinxを使って本を書こう #pyconjp 2012
More from Preferred Networks
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
Preferred Networks
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Preferred Networks
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Preferred Networks
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
Preferred Networks
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Preferred Networks
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Preferred Networks
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
Preferred Networks
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Preferred Networks
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
Preferred Networks
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
Preferred Networks
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
Preferred Networks
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Preferred Networks
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Preferred Networks
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
Preferred Networks
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Preferred Networks
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Preferred Networks
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
Preferred Networks
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
Preferred Networks
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
Preferred Networks
Topology Managerについて / Kubernetes Meetup Tokyo 50
Topology Managerについて / Kubernetes Meetup Tokyo 50
Preferred Networks
More from Preferred Networks
(20)
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
Topology Managerについて / Kubernetes Meetup Tokyo 50
Topology Managerについて / Kubernetes Meetup Tokyo 50
Recently uploaded
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
Recently uploaded
(8)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
1.
Pythonの理理解を試みる 〜~バイトコードインタプリタ を作成する〜~ 柏原秀蔵 Preferred Networks, Inc. 2016/04/28
2.
⾃自⼰己紹介 l 柏原秀蔵 (@suma90h)
(Preferred Networks) l 最近:Dockerfileは友達 l 最近の活動 – お菓⼦子作り(前回の発表と同じ写真ですが、たまに焼いてます) – 年年1回くらいバイクでツーリング&キャンプに⾏行行ってます 2
3.
去年年は佐渡島へ キャンプしたり 3
4.
去年年は佐渡島へ 登⼭山したり 4
5.
Pythonについて、実世界で役に⽴立立ちづらい話をします l 今⽇日のネタはPython – Python⾖豆知識識 –
CPythonを理理解するためにバイトコードインタプリタを作る話(本題) l ここ最近の私のセミナー発表は何かの紹介が多かった – 2015/07/09 先取り Go 1.5 – 2014/12/18 systemdを始めよう 5
6.
なぜPython? l 10年年以上使われている(メンテされ続けている)プログラミング⾔言語 l 個⼈人的に注⽬目したいソフトウェアがPythonを利利⽤用している –
Chainer (PFI/PFNによる開発) – Ansible (最近2.0出ました) u マシンの構成管理理ツール l 息が⻑⾧長い話し – Python 3が出ていても、いまだにPython 2.7も台頭している – Ubuntu 16.04ではPython 3標準であるとか 6
7.
Pythonの⾖豆知識識:クイズ l 以前、⼈人前で話したことがあるので知っている⼈人も多いかもしれません l Q:Pythonは何の⽬目的で作られたでしょう? l
解答候補 – A:テキスト処理理の⽬目的で作られた – B:分散OSのプラットフォームで使う⽬目的で作られた – C:業務時間にほかにやることがないから作られた 7
8.
Pythonの起源クイズ: クイズの答え l 正解はB:分散OSのプラットフォームで使う⽬目的で作られた l
Amoebaプロジェクト(分散OS:アンドリュー・タネンバウム先⽣生)のプラ ットフォーム向けに作られた – WikipediaやPython公式FAQにも載ってます l ちなみに他の解答の⾔言語は? – A:テキスト処理理の⽬目的で作られた – Perl。awkだと⼒力力不不⾜足だったらしい – C:業務時間にほかにやることがないから作られた – Ruby。割と有名な話し 8
9.
CPythonを理理解するために バイトコードインタプリタを 作成する 9
10.
モチベーション l プログラミング⾔言語の、コンパイラかインタプリタを作りたかった – ⾞車車輪輪の再発明でも構わない。⾃自分の学習のため l
⾔言語⾃自作は考えない。⽂文法(Syntax)考えるのが⼤大変なため l ⾔言語VM(Virtual Machine)を作って⾒見見たい気持ちもあった – コンパイラの書籍では中々解説されない部分で、知らないことが多い – Java VMやCLR(.NET Framework) → タスクとして重たすぎる – JavaScript も上と同様、また⾼高速化⾯面で重たそうな印象 – Ruby → 内部実装よく知らない、中間コードのファイル⽣生成しない – Python → バイトコード(中間コード)⽣生成するため、丁度度良良いかもしれない! u 参考にできるプログラムを発⾒見見できた(GoやPython製のインタプリタ) 10
11.
注意 l CPythonの理理解を試みた – のですが、バイトコードインタプリタの理理解が深まるばかりで、Pythonインタプ リタ(全体)の理理解については浅い気がします 11
12.
Pythonバイトコードインタプリタを作る! l バイトコードとは – 実⾏行行可能なプログラムバイナリ –
狭義にはJavaのように1バイト(8ビット)単位が命令令コード(Operation Code)だ ったためバイトコードと呼ばれる – Pythonの中間コードも1バイト単位 – 1バイト → 256通りまでの命令令を表現できる l コードリーディング – Python-‐‑‒2.7.10/Include/opcode.h では147までを定義 – Python-‐‑‒3.5.1/Include/opcode.h では154までを定義 12
13.
Pythonのフロー(いわゆるインタプリタ処理理系のフロー) l 通常は字句句解析などが必要 l フロントエンドの処理理(字句句・構⽂文解析)からバイトコード⽣生成までは CPythonに任せる作戦 –
バイトコードインタプリタ開発の場合 – バイトコードのファイル読み込み → 実⾏行行 となる 13 source (test.py) lexical analyzer 字句句解析 parser 構⽂文解析 etc execute Pythonや一般的な処理系のフロー result
14.
バイトコードインタプリタ作成の流流れ l 公式情報から作る場合、CPython本家を調査する努⼒力力が必要 – CPythonのCソースコードを読み、バイトコードインタプリタを解読する –
公式ドキュメントを読み、バイトコードの意味を把握する u http://docs.python.jp/2.7/library/dis.html l 今回はGo製のインタプリタGoPyをD⾔言語で再実装(移植)することにした – ⼀一部の命令令が実装されている l GoPyの⾏行行数 – wc -‐‑‒l *.go → 1643 ⾏行行 – 短い? 1000⾏行行くらいなら、気合いで1週間程度度で動くものが作れると判断 14
15.
なぜD⾔言語か? l バイナリファイルの扱いや、ビット演算などが簡単に書けると思った l better
C++として、C++よりも簡単にVMの実装を書けると期待した l D⾔言語初⼼心者なので、D⾔言語で1000⾏行行程度度書いてみたかった – (感想)Goと⽐比較しても、⾔言語⾃自体は書きやすく悪くない感じ – Goから移ると、公式の標準ライブラリや周辺ツールの少なさが⽬目⽴立立つ l 書籍「The D Programming Language」はわかりやすい – ただし2010年年の本なので、古い箇所がある – ライブラリ名など、修正が必要なサンプルコードもある 15
16.
Pythonバイトコード.pyc概要 l .pyc がバイトコード(中間コード)の拡張⼦子。Pythonによって⽣生成される l
file.pyとfile.pycがあったとき、file.pyc を優先して実⾏行行する – pycはタイムスタンプを持っており、.pyと⽐比較して新しい⽅方を読み込む – 参考: python -‐‑‒ When are .pyc files refreshed? -‐‑‒ Stack Overflow u http://stackoverflow.com/questions/15839555/when-‐‑‒are-‐‑‒pyc-‐‑‒files-‐‑‒ refreshed l pycはいつ⽣生成されるのか – importで他のファイルの.pyを読み込んだとき – pythonで –m compileall もしくは –m py_̲compile オプションで実⾏行行されたとき l pycの効果 – ファイル読み込みのキャッシュの効果 – プログラム実⾏行行が⾼高速になるわけではない! 16
17.
Pythonバイトコード.pyc内容 l ローカル変数の数、スタックのサイズ、フラグ、命令令コード…など l Python-‐‑‒2.7.10/Include/code.h
の PyCodeObject構造体が実体 – https://hg.python.org/cpython/file/2.7/Include/code.h#l10 l pycファイルのバイナリ読み込みにあたって – 数値はリトルエンディアンで格納されている – 16/32ビット数値、⽂文字列列(もしくはバイナリ) – ※ バイナリのパースについては複雑なので⾶飛ばします l このデータをもとにVM(バイトコードインタプリタ)が⾛走ることになる – Pythonのバイトコードインタプリタはスタックマシン型 – Opode: https://hg.python.org/cpython/file/2.7/Include/opcode.h 17
18.
スタックマシン型のVM、Pythonのインタプリタとは? l ⼀一般的なスタックマシンの解説(省省略略します) – https://ja.wikipedia.org/wiki/スタックマシン –
https://en.wikipedia.org/wiki/Stack_̲machine – 例例: Java VMやCLR(.NET Framework)のVMでもスタックマシンが採⽤用 l Pythonでは(例例) – BINARY_̲ADD: スタック上のトップ2つの値をPopして加算し、スタックにPushする – LOAD_̲NAME: 指定された名前の変数の値をスタックにPushする – STORE_̲NAME: スタック上のトップ1つの値をPopし、指定した名前の変数へ格納する – http://docs.python.jp/2.7/library/dis.html 18
19.
バイトコードインタプリタ開発の記録 l ⽇日記と⾏行行数の記録を書いていた – ⽇日記はそのままコピペします l
数⾏行行のコメントと、twitterで⾏行行数(進捗)をつぶやく 19
20.
バイトコードインタプリタ開発の記録 l 2016/04/20 –
D⾔言語まともに書き始めた 20
21.
バイトコードインタプリタ開発の記録 l 2016/04/21 – pycのパーサ書いた、途中で4バイト読み込みするのが抜けたバグではまった。
– printfデバッグして⽐比較最中、⾜足りない箇所が発覚して無事解決。 – PyTupleとか基本データ型を実装。attributeとかは⾶飛ばした。後で実装する。 – Bytecodeのopcodeのswitchを書くところまで進んだ。 21
22.
バイトコードインタプリタ開発の記録 l 2016/04/21 アクシデントも – D⾔言語の標準ライブラリにStackがない! –
→ kinabaさんのウェブサイトにあったコードを借りてしのいだ 22
23.
バイトコードインタプリタ開発の記録 l 2016/04/22 – Opcodeのインタプリタを作成中
– 加減乗算あたりの基礎を実装 23
24.
バイトコードインタプリタ開発の記録 l 2016/04/24 – STORE_̲NAMEの名前取得がバグってた 24
25.
バイトコードインタプリタ開発の記録 l 2016/04/25 – 関数定義と関数呼び出し(引数有り・無し)ができるようになった 25
26.
デモ l GoPy付属のテスト⽤用スクリプト – 組み込みモジュールtimeのtime.time()から、Unix
timeを取得する – 同⼀一ファイル内の関数を呼び出す l 今回作成したテスト⽤用のスクリプト – 数値の演算(加減算)をして、printする 26
27.
Pythonを理理解できたであろうか? l Pythonの理理解は深まったのか? という問い – ⼀一部機能などに関して個⼈人的に深まったと⾔言える。しかし、広く伝えるのは難しい –
pycの16進数/ASCIIダンプやopcodeを⾒見見て⼀一部の命令令が解読できるようになった l バイトコードインタプリタ作成を通じて得られたもの – Pythonのような⾔言語のバイトコードインタプリタの実装⽅方法の知⾒見見 – D⾔言語でのちょっとしたスタックマシン型VMの開発経験(D⾔言語良良かった) – Pythonのfunctionなどがどんな実体で管理理されてるか知る機会となった – Pythonで `̀type(funcname)`̀ とすると関数はオブジェクトだとわかる l 注意: インタプリタが作れるからといって、Python⾔言語そのものに 詳しくなれるとは限らない! 27
28.
よりPythonを知るには(実装という意味で) l CPythonをはじめとし、⾔言語の実装の各⽅方⾯面からアプローチすると良良さそう – ⾔言語の⽂文法を知る・使い⽅方を知る –
組み込みの標準機能(標準のデータ型)や構⽂文(ifやforなど)の実装を知る – 標準のランタイムライブラリを知る – 処理理系(CPythonならバイトコードインタプリタ)にあわせた実⾏行行⽅方法を知る l よりディープな所に触れる – マルチスレッドの実装 – GIL(Global Interpreter Lock) – GC(Garbage Collection) – CPythonのC拡張 28
29.
参考 l https://github.com/flosch/GoPy l https://github.com/nedbat/byterun l
http://akaptur.com/blog/2013/11/15/introduction-‐‑‒to-‐‑‒the-‐‑‒python-‐‑‒ interpreter/ 29
30.
Copyright © 2016 Preferred
Networks All Right Reserved.
Download now