今回は今話題の
AI搭載エディター
Cursorについてです。


解説動画はこちら



Cursorとは

CursorはChatGPTの機能を搭載した
エディター(IDE)です。

VSCodeを模して作られているので
VSCodeと同等の機能を有しています。

それに加えてChatGPTの持つ
コード編集やデバッグ
コード生成の機能が加わったエディターになっています。


Cursorの料金

ダウンロード自体は無料です。

chat-gpt4の機能制限が存在し
無料版では月に50回までになっているようです。

有償版は
PRO：20ドル
BUSINESS：月40ドル

PRO版でもchat-gpt4の低速は制限なし
高速版の制限があるため
この辺りを気にする方は
普通にchat-gptの契約をした方が
良いのかもしれません。


Cursorのインストール

インストールはCursorのサイトから
「download」をクリックして
ファイルを実行するだけです。



Cursorの使い方

全体像はこんな感じです。


VSCodeの画面とほぼ同じで、機能なども
ほぼ同等です。
画面の右側に標準でチャットフォームが付きます。

日本語化のやり方もVSCodeと同じようです。

主な使い方は
コード上で「cmd + k」で
生成フォームを呼び出せます。



ここに、日本語でプロンプトを入力してあげると
コード生成を行う事ができます。


画面の右側には普通にチャットのフォームが有るので
そこからchat-gptにプロンプトを投げる事ができます。


チャットフォームからの質問では
Cursorの操作方法などの一般的な質問も対応しているので
操作方法が分からない場合はチャットで聞くのが良いでしょう。


VSCode同様にターミナルが有り
コード実行でエラーが出た際は
「Debug with AI」をクリックすると
デバッグしてくれます。



ただし、この回答部分はまだ英語のみで
日本語対応はされていないかもしれません。

動画ではコード生成などを試していますので
そちらを参考にしてみて下さい。


本日はChatGPTの機能を搭載して
AIエディター Cursorについてでした。

興味がある方は是非ダウンロードしてみて下さい。
それでは

タグ ：

プログラミング

エディター

VSCode

Cursor

ChatGPT

今回はGoogleColabの
うれしいアップデート情報です

解説動画はこちら


 
Google Colabのアップデート


Google Colabに
うれしいアップデートが発表されました
それが「シークレット機能」の追加です

Google ColabでSecretsが
管理できるようになりました



今までは外部にコード共有する際などは
これらの文字列を気にする必要が有ったのですが
これからはColabの機能で管理できるので
コード側を書き換える必要が無くなります

ということで
早速使い方を見ていきましょう



Secrets機能の使い方

画面左側の「鍵」マークから
「Secrets」管理画面に移行できます





画面上で新しい情報として
追加していく事ができます




「目」のマークをクリックすると
値が見れる様になります



コード側でこの値を使用する際は
「google.colab」の「userdata」を用いて
読み込みしたい環境変数の文字列を指定します

from google.colab import userdata

api_key = userdata.get('API_KEY')

openaiのAPIキーなど
コード上で指定していたものは
シークレット機能側に入力しておけば
コード側はそれを読み取るだけで良いので
安全かつ楽になりました!!!




今回はここまでです
それでは

タグ ：

プログラミング

Python

Google

Colab

Secrets

今回はPythonの使いやすさと
C言語のパフォーマンスを併せ持つ
新プログラミング言語「Mojo」が
Colabで使える様になったので試してみました

解説動画はこちら


 
Mojoについて

MojoはPythonのスーパーセットとなる
新しい言語で、Pythonに比べて
パフォーマンスとメモリの安全性が向上しています

コンパイル言語になるので
少しだけやることは増えますが
Pythonの構文はサポートされていて
慣れればPython言語と同じように
コードを書き進める事が
出来るんじゃないかと思います



Mojo



Mojoのインストール

ライセンス登録すると
インストールコマンドが記載された
ページに飛ばされます

WindowsやMacなど、環境ごとの
コマンドが記載されていますので
Google Colabで動かす場合は
「Linux」を選びましょう

次のコマンドがライブラリ取得のコマンドです

!curl https://get.modular.com | \
  MODULAR_AUTH= <自分のMODULAR_ID> \
  sh -

実行の際には各個人事にIDが変わるので
自身のコマンドを手に入れて実行して下さい


ライブラリ取得できたら
次はインストールコマンドです

!modular install mojo

普通に実行すれば
問題なくインストール出来るかと思います

インストールが終わったかどうかは
確認コマンドで確認できます

!export MODULAR_HOME="/root/.modular" && \
export PATH="/root/.modular/pkg/packages.modular.com_mojo/bin:$PATH" && \
mojo --version

mojo 0.3.1 (a3eed7c8)


MojoとPythonの速度比較


さて、それではPythonとMojoで
同じコードでの速度を比較検証してみましょう

3重ループでカウントするだけの
すごくシンプルな関数を実行して
時間を測るというコードになっています

・Pythonのコード

# サンプルコード
import time

def test_def(n):
    count = 0.0
    for i in range(n):
        for j in range(n):
            for k in range(n):
                count += 1.0
    return count


# Pythonでの実行時間
start_time = time.time()
n=500
print(test_def(n))
elapsed_time = time.time() - start_time
print(f"{elapsed_time}s")

1億2千5百万回計算して
7-8秒ほど掛かる様です


・Mojoのコード

Mojoの場合は一度ファイルとして
作成しないといけません

ソースコードをそのままファイル化します

Mojoファイルの作成コマンド

%%writefile main.mojo

from time import now

def sample_def(n):
    var count: Float64 = 0.0
    for i in range(n):
        for j in range(n):
            for k in range(n):
                count += 1.0
    return count

def main():
    let start_time = now()

    let n: Int64 = 500
    count = sample_def(n)
    print(count)

    let end_time = now()
    let execution_time = Float64(end_time - start_time) / 1000_000_000
    print(execution_time)

これを実行するとGoogle Colabのファイル置き場に
main.mojoが作成されるハズです

このファイルをコマンドで動かします
mojoファイルを実行するコマンドはこれです

# Mojoの実行
!export MODULAR_HOME="/root/.modular" && \
export PATH="/root/.modular/pkg/packages.modular.com_mojo/bin:$PATH" && \
mojo main.mojo

単純だけども、時間の掛かる計算をやらなければ
いけない場合に、一部をmojoに書き換えておけば
その分格段に速くなりそうですね

複雑なものだとコードの差異が大きいので
大変そうですが、簡単なアルゴリズムの
書き換え程度なら、実用出来かなと思いました

今後は機械学習系の実装も
徐々にMojoに置き換わって行くのかなと
推測します

速くなる分には
何のデメリットも無いですもんね
今後の動きを期待したいです

今回はMojoをGoogle Colabで試してみました
それでは

タグ ：

プログラミング

Python

Mojo

速度比較