- 1. データサイエンス100本ノック~初心者未満の戦いpart1
- 2. 深層学習入門 ~ローカライズと損失関数編~
- 3. Python 3.8 では pow(n, 1000000007 – 2, 1000000007) より pow(n, -1, 1000000007) が良さそう
- 4. DeepRunning
- 5. [ev3dev×Python] ジャイロセンサ
- 6. processing(python) リストの座標を図化 draw()の中で回数指定
- 7. 競馬必勝法をプログラム化
- 8. (自分用)Flask_7(Flaskからデータベースを開く)
- 9. Deep Learning初心者がメディカルAIオンラインコースをできるだけ理解しようと解説してみた[chapter5]
- 10. Jupyter Notebook on WSL がブラウザで自動起動しない場合の対応方法
- 11. ゼロから始めるLeetCode Day64「287. Find the Duplicate Number」
- 12. C++でトリボナッチ数列の問題を問いてみた&再起関数で書いたときの関数呼び出し回数(pythonもあるよ)
- 13. 【json入門】いやいやハマったので。。。♬
- 14. 自己分析してレーダーチャート作成するコード
- 15. SwiftからPythonスクリプトを呼ぶ「PythonKit」
- 16. [cx_Oracle入門](第7回) バインド変数の取り扱い
- 17. 本の発売日を一覧テーブル化するサイトを作った話
- 18. OpenCVでグラフ画像を読み込んでグラフ最終地点の座標を取得する
- 19. GANの潜在空間に、新垣結衣は住んでいるのか?
- 20. CentOSでretinanetを実装
データサイエンス100本ノック~初心者未満の戦いpart1
これはデータサイエンティストの卵子(卵になる前。~~♂だと垢BANくらいそうなので~~)がわけもわからないまま100本ノックを行っていく奮闘録である。
完走できるかすら謎。~~途中で消えてもQiitaにあげてないだけと思ってください。~~[100本ノックの記事](https://codezine.jp/article/detail/12456)
[前回環境構築の参考にさせていただいたページ](https://qiita.com/rasyo/items/dd6f8dfc422511da25d6)
**ネタバレも含みますのでやろうとされている方は注意**
記事を書く時点で25本目まで終わっていますが、知らなかった書き方も多く、また「自分はこう書いたけど答えはこうだった」というものも多くあったのでメモ代わりに置いておきます。
コレは見づらい!この書き方は危険!等ありましたら教えていただきたいです。~~心にダメージを負いながら~~糧とさせていただきます。
今回は1~9まで。
#1本目
さすがにこれは書ける。
予習しても頭に入らない鳥頭でもコレが書けないと支障をきたすので。
深層学習入門 ~ローカライズと損失関数編~
#対象者
前回の記事は[こちら](https://qiita.com/kuroitu/items/ab5ad4ac716ae7a04891)本記事ではこれまで[活性化関数一覧](https://qiita.com/kuroitu/items/73cd401afd463a78115a)や[勾配降下法一覧](https://qiita.com/kuroitu/items/36a58b37690d570dc618)で紹介した[activators.py](https://qiita.com/kuroitu/items/73cd401afd463a78115a#%E3%82%B3%E3%83%BC%E3%83%89%E4%BE%8B)や[optimizers.py](https://qiita.com/kuroitu/items/36a58b37690d570dc618#%E5%AE%9F%E8%A3%85%E3%82%B3%E3%83%BC%E3%83%89%E4%BE%8B)を呼び出すための関数`get_act`と`get_opt`の実装を行います。
また、現在使用されている損失関数に
Python 3.8 では pow(n, 1000000007 – 2, 1000000007) より pow(n, -1, 1000000007) が良さそう
# Python 3.8 では pow(n, 1000000007 – 2, 1000000007) より pow(n, -1, 1000000007) が良さそう
Python 3.8 の pow は第三引数を指定した場合でも、第二引数に負の値が取れるようになった. その事実は Python 3.8 のリリースノートにも書かれている.
[What’s New In Python 3.8: Other Language Changes](https://docs.python.org/3/whatsnew/3.8.html#other-language-changes)
> For integers, the three-argument form of the pow() function now permits the exponent to be negative in the case where the base is relatively prime to the modulus.
そして、どうも -1 を指定して、逆元を計算するとだいぶ速いようである.
“`p
DeepRunning
#Level2.JDLA認定プログラム「3カ月で現場で潰しが効くディープラーニング講座」
E資格を受験するにあたり、JDLA認定の講座に申し込みました。
各単元ごとに学習をした結果を書き込んでいきます。・応用数学「Level3.線形代数」「Level4.確率・統計」「Level5.情報理論」
#Level3.応用数学
##3-1.線形代数
###・学習の目標
(1)固有値・固有ベクトルの求め方を確認する。
(2)固有値分解について理解を深める。
(3)特異値・特異ベクトルの概要を知る。
(4)特異値分解の概要を知る。###3-1-1.スカラーとベクトル
【スカラー】
普通の数で四則演算(+-×÷)が可能なもの
ベクトルに対して係数になりスカラー倍できる。
【ベクトル】
「大きさ」と「向き」を持つ。
主に矢印で図示され、スカラーをセットとして表示する。
###3-1-2.行列
【行列】・スカラーを表にしたもの
・ベクトルを並べたもので→をつけて$\vec{A}$と記述する。
・例として以下のように記述す
[ev3dev×Python] ジャイロセンサ
この記事はPythonでev3を操作してみたい人のための記事です。
今回はジャイロセンサを使っていろいろな操作をしていきたいと思います。#目次
0 . 用意するもの
1 . ジャイロセンサのプログラム#0.用意するもの
◯ ev3(タンク) とジャイロセンサ
◯ パソコン(VSCode)
◯ bluetooth
◯ microSD
◯ [資料](https://buildmedia.readthedocs.org/media/pdf/python-ev3dev/latest/python-ev3dev.pdf)(これをみながら進めていくのがオススメです。)#1.ジャイロセンサのプログラム(資料p.36)
###1-0 . 指定した角度だけ方向転換するプログラム①
“`gyrosensor00.py
#!/usr/bin/env python3
from ev3dev2.sensor.lego import GyroSensor
from ev3dev2.display import Display
from time import sleep
processing(python) リストの座標を図化 draw()の中で回数指定
今回も、後輩からの質問でせっかく作ったので解説つけて書いていこうと思います。
# やること!
1. 皿を指定した分積む!
2. リストにある座標の場所に円を描く
3. ランダムな位置に車を配置!## 1.の完成プログラム!
“`python:sketch.py
y = 600
count = 0def setup():
size(800,600)def stack_plates(n):
global y,count
if count <= n: #countが指定したnを超えたら終わる ellipse(width/2,y,100,10) #皿を描く y -= 5 #皿を描く座標をずらす count += 1 #処理が終わるたびに値を増加! def draw(): stack_plates(10) ``` ###意識すること! 1. 皿を置くたびに皿の座標をずらす必要がある 2. draw(
競馬必勝法をプログラム化
#目的#
1. うまめし.com 競馬必勝法の記事を参考に***競馬必勝法をプログラム化***
2. 出走前に自分が作成したプログラム(githubのコード)で最適解(**pulp**を使用)を出す#準備#
– python
– 2013年9月20日名古屋競馬1レースの単勝オッズと馬単オッズのデータ
– 本記事では長くなるのでコードは載せずに結果と何をしたか説明していく
(詳しくはgithubのコードで)#データ#
– 単勝と馬単のデータは以下の通り
![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/655736/
(自分用)Flask_7(Flaskからデータベースを開く)
# 項目
1. Flaskからデータベースを開く
(今日は疲れてるのでこれだけで)# 1.Flaskからデータベースを開く
“`python:python
from flask import Flask, render_template
import pymysql
app = Flask(__name__)def getConnection():
return pymysql.connect(
host=’localhost’,
db=’mydb’,
user=’root’,
password=”,
charset=’utf8′,
cursorclass=pymysql.cursors.DictCursor
)@app.route(‘/’)
def select_sql():
connection = getConnection()sql = “SELECT * FROM players”
cursor = connecti
Deep Learning初心者がメディカルAIオンラインコースをできるだけ理解しようと解説してみた[chapter5]
#はじめに
この記事の全てのコードは[メディカルAIオンラインコースchapter5実践編: MRI画像のセグメンテーション](https://japan-medical-ai.github.io/medical-ai-course-materials/notebooks/05_Image_Segmentation.html)を引用し理解しようと努めたものです。
元のオンラインコースのウェブサイトは**メディカルAI学会**が作成しており、非常に洗練されたページとなっております。この記事はこの洗練されたコードをDeep Learningの初心者が自分なりにわかりやすく整理したものですが、**何よりもまず上記のウェブサイトをご覧になるのがいいと思います。**
※この記事のパラグラフ番号は当該サイトと見比べられるように[当該サイト](https://japan-medical-ai.github.io/medical-ai-course-materials/notebooks/05_Image_Segmentation.html)に準拠しております。
#5.3. 使用
Jupyter Notebook on WSL がブラウザで自動起動しない場合の対応方法
諸事情で Mac から Windows に回帰し (2 回目)、WSL で Mac と同じように `jupyter notebook` を実行したところ、ブラウザで自動起動しない事象に遭遇したので、その対応方法を紹介します。
改めて紹介するほどのものでもないかもしれませんが、エラーメッセージでググっても日本語の情報が見つからなかったので、ここにさらしておきます。## 動作確認した環境
– Windows 10 x64, Version 1909
– Ubuntu 18.04 LTS on WSL1
– Python 3.6.9
– Jupyter Notebook 6.0.3## 事象
`pip install` で jupyter をインストール後、`jupyter notebook` を実行すると、以下のようなエラーが表示されブラウザで自動起動しません。
“`
$ jupyter notebook
[I 01:39:20.094 NotebookApp] Serving notebooks from local directory: /mnt/c/workspace
ゼロから始めるLeetCode Day64「287. Find the Duplicate Number」
# 概要
海外ではエンジニアの面接においてコーディングテストというものが行われるらしく、多くの場合、特定の関数やクラスをお題に沿って実装するという物がメインである。
どうやら多くのエンジニアはその対策としてLeetCodeなるサイトで対策を行うようだ。
早い話が本場でも行われているようなコーディングテストに耐えうるようなアルゴリズム力を鍛えるサイトであり、海外のテックカンパニーでのキャリアを積みたい方にとっては避けては通れない道である。
と、仰々しく書いてみましたが、私は今のところそういった面接を受ける予定はありません。
ただ、ITエンジニアとして人並みのアルゴリズム力くらいは持っておいた方がいいだろうということで不定期に問題を解いてその時に考えたやり方をメモ的に書いていこうかと思います。
[Leetcode](https://leetcode.com/)
Python3で解いています。
[ゼロから始めるLeetCode 目次](https://qiita.com/KueharX/items/6ee2502c3b620c795b70)
前回
[ゼロから始めるLeetC
C++でトリボナッチ数列の問題を問いてみた&再起関数で書いたときの関数呼び出し回数(pythonもあるよ)
#はじめに
はじめての記事です。面白そうな記事を見つけたのでチャレンジしてみました。
[Rubyでトリボナッチ数列の問題を解いてみた(制限時間10分)](https://qiita.com/keisuke_oyatu/items/43c0100f885c2050b956)
先駆者様
– [Elixirでトリボナッチ数列の問題を解いてみた(制限時間10分)](https://qiita.com/torifukukaiou/items/d5a6639edf541539ac3a)
– [Rubyでトリボナッチ数列の問題を解いてみた、再帰で。](https://qiita.com/seahal/items/95d63f8113a68e6da9ce)
###やったこと
・C++で10分チャレンジ(計算時間が長すぎで失敗)
・C++で30分チャレンジ(クリア)
・再帰で書いたときの関数呼び出し回数について(python実装込)#C++で10分チャレンジ(失敗)
まず真っ先に再帰でやる方法を思いついてそのまま書きました。
要は初項[1,3,7]のトリボナッチ数列の50番目を求めよっていう問題です
【json入門】いやいやハマったので。。。♬
今回、AWSのLambdaでTranscribeしたjsonファイルを扱っていて、すごく苦労したので、ちょっとjsonのコード整理しておきます。
※本題は別途まとめます
#**jsonってほんと素晴らしいですね♬**
解説は入れません。結果と照合しつつ、流れを読んでいただければ、意味が分かるように思います。“`py
import jsons = r'{“C”: “\u3042”, “\u3044”: {“i”: “\u3046”, “j”: 2}, “B”: [{“X”: 1, “Y”: 10}, {“X”: 2, “Y”: 20}]}’
print(“******************”)
print(type(s))
print(“s=”,s)
print(s[5:20])print(“*****’文字列’.encode(‘文字コード名’)*************”)
b = s.encode(‘cp932′)
print(type(b))
print(“b=”,b)
print(b[5:20])print(“*****b’バイト列’.decode(‘文字コ
自己分析してレーダーチャート作成するコード
インタラクティブに簡単な質問に答えてレーダーチャート作成するだけです
“`python:python.py
import matplotlib.pyplot as plt
import numpy as np
import os
import pathlib
import datetime
import time
import platform
import datetimefrom googletrans import Translator
def trans(trsTarget_li):
translator = Translator()
jp_words = trsTarget_li
en_words = []for src in jp_words:
dst = translator.translate(src, src=’ja’, dest=’en’)
en_words.append(dst.text)return(en_words)
def plot_polar(lab
SwiftからPythonスクリプトを呼ぶ「PythonKit」
PythonKitをつかってSwiftからPythonスクリプトを実行できます。
これにより、Pythonスクリプトを実行するMacアプリを開発できます。
(iOSでは機能しません)
1、Xcodeプロジェクトを開きます。
「file→Swift Packages→Add Package Dependency」と進みます。
[PythonKitのGitHubリポジトリ](https://github.com/pvieito/PythonKit)からPackage Dependency URLをコピーペーストします。
[cx_Oracle入門](第7回) バインド変数の取り扱い# 検証環境
– Oracle Cloud利用
– Oracle Linux 7.7 (VM.Standard2.1)
– Python 3.6
– cx_Oracle 7.3
– Oracle Database 19.5 (ATP, 1OCPU)
– Oracle Instant Client 18.5# はじめに
過去の連載では固定SQL文のみ扱っていましたが、実際にはバインド変数(プレースホルダ)を使用したい場面も多いかと思います。今回はバインド変数を使用したクエリの発行方法について解説します。# 事前準備
今回はサンプルのSHスキーマのテーブルを使用します。Autonomous Databaseをお使いでない方は、環境に応じて、[マニュアル](https://docs.oracle.com/cd/F19136_01/comsc/installing-sample-schemas.html#GUID-A2C3DC59-CDA1-47C0-BA6B-F6EA6395A85F)に従ってSHスキーマのサンプルテーブルを作成する必要があります。また、環境に応じてサンプルのSQL文
本の発売日を一覧テーブル化するサイトを作った話
ソースコードは[Github](https://github.com/haplus-stu/honba)に載せてます
先日 [「HonBa~本の探し場~」](https://honba-new.herokuapp.com/)というサイトを公開したのでそのサイト制作の振り返りをして改善点を見つけていこうぜ!イェイ!的なサムシングです(は?)
## 今回使ったもの
.python (beautifulSoup4 selenium)
. TypeScript
・HTML
・SCSS
## サイトの大まかなフロー
pythonで情報をスクレイピング、CSVで書き出し
↓
TypeScriptでCSVデータを配列化し、テーブルを生成
## 機能の実装に使ったものの完走と実装中に躓いた点
### TypeScript
TypeScriptは型がやっぱり便利でした。ただ、正直このぐらいの規模の個人開発なら無理して使うこともないのかなと思いました
### TypeScriptでのdocument.getElementbyId
TypeScriptを使おうと思ったときに
「す
OpenCVでグラフ画像を読み込んでグラフ最終地点の座標を取得する
# 経緯
パチスロデータサイトのスランプグラフから自動で差枚数を算出したかった。![graph_sample.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/658292/7dfedf69-1d14-bbd4-1d6d-662da7cf1143.png)
↑グラフはこのような形。
その算出にグラフの最終地点のy座標(画像の赤丸部分)が必要だったため、OpenCVを使用してグラフ画像を読み込み座標を取得するコードを書きました。
# コード
“`py
import cv2
import numpy as np
import timestart = time.time()
file_path = ‘C:\\Users\\Pictures\\sample_graph.png’
# グラフ画像読み込み
img = cv2.imread(file_path)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # imgの中身:[y座標, x座標, [R, G, B]
GANの潜在空間に、新垣結衣は住んでいるのか?
#1.はじめに
皆さん、**Tensoleflow-hub** の **Progressive GAN** をご存知ですか? [**CelebA**](http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html)という20万枚以上の**有名人の顔画像を学習したGAN**で、512次元のベクトルを入力すると様々な顔画像を生成します。言い換えれば、**512次元の潜在空間に様々な顔が分布**しているモデルです。今回のテーマは、その**「GANの潜在空間に、新垣結衣は住んでいるのか」**という問いかけです。もちろん、学習データセットにガッキーは含まれていませんが、潜在空間には**20万枚以上の顔画像とその合成画像が無数に存在**するわけで、上手い具合に**ガッキーが存在する可能性も大いにある**と思います。
今回は、**google colab** を使ってこのテーマを検証してみます。コードは、**Github** に上げてありますので([**リンクはこちら**](https://github.com/cedro3/google_colab/
CentOSでretinanetを実装
# 環境
– python 3.7.7
– CUDA 10.0.130
– gcc 7.3.0
## 環境構築“`sh
git clone https://github.com/tensorflow/tpu.git
sudo apt-get install -y python-tk
pip install tensorflow-gpu==1.15
pip install –user Cython matplotlib opencv-python-headless pyyaml Pillow
pip install ‘git+https://github.com/cocodataset/cocoapi#egg=pycocotools&subdirectory=PythonAPI’
“`
# 学習済みモデルで推論
1. 任意のモデルをダウンロード
https://github.com/tensorflow/tpu/blob/master/models/official/detection/MODEL_ZOO.md1. 推論を実行
* coco_label_ma