- 1. 【Python】Githubリモートリモジトリ作成~仮想環境構築の一連の流れ
- 2. CIGALE をインストールする
- 3. [python] [cx_Oracle.DatabaseError: DPI-1047: Cannot locate a 64-bit Oracle Client library] が起きた時の対処法3選
- 4. PDFから画像抽出して一括保存するプログラム書いた!
- 5. ABC160 C – Traveling Salesman around Lake から学んだ
- 6. 【VScode】pytestによる単体テスト実行 & カバレッジ可視化方法
- 7. 【python】モンティホール問題
- 8. ABC159 C – Maximum Volume を解いた
- 9. Blenderのコマンドサンプル
- 10. ABC158 C – Tax Increase から学んだ
- 11. [AWS]IAM認証をかけたAPIGatewayを別アカウントのLambdaから呼び出す構成をSAMで作成してみた
- 12. ABC156 C – Rally を解いた
- 13. M1 Macでのpython環境の構築(pyenv + miniforge)
- 14. ABC154 C – Distinct or Not を解いた
- 15. 【図解】seq2seqによる機械翻訳 サンプルコード
- 16. ABC153 C – Fennec vs Monster を解いた
- 17. ABC152 C – Low Elements を解いた
- 18. 畳み込みニューラルネットワークのオートエンコーダ 形状の不一致対処
- 19. 〇〇っぽく会話できるシステムに初心者が挑戦してみた
- 20. 緑になったのでメモ書き
【Python】Githubリモートリモジトリ作成~仮想環境構築の一連の流れ
## 概要
今までGithubの簡単な使い方やPythonの仮想環境構築についてやってきました。
今回はまとめとして、プログラムを組める状態までの一連の環境作りをやっていきます。
これから課題1、課題2、、、と続いていきますが課題ごとにプロジェクトフォルダを作っていきましょう。## Githubのリモートリポジトリ作成
![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/399745/834bffb5-a3dc-3a0f-cd5c-1a4c184e2e61.png)
![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/399745/1d94b529-1075-d232-ff72-a07e0455ff44.png)![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/399745/b3edf0a8-5ee
CIGALE をインストールする
この記事では CIGALE (Code Investigating GALaxy Emission) のインストール方法をまとめていきます.
# 環境
+ Windows 10
+ Python 3.7 (公式では Python 3.7 環境へのインストールが推奨されています.)# 手順
### 1. CIGALE のバイナリデータをダウンロードする
[CIGALE の公式サイト](https://cigale.lam.fr/)からバイナリデータをダウンロードして解凍します.### 2. setup.py を用いて build
“`sh
cd cigale-v~ # setup.py のあるディレクトリに移動
python setup.py build
python setup.py develop
“`これでインストールが完了です.
# 関連記事
# 参考
[python] [cx_Oracle.DatabaseError: DPI-1047: Cannot locate a 64-bit Oracle Client library] が起きた時の対処法3選
– #目次
– [状況](https://qiita.com/mahiro72/items/1d5384a6e503d3d585dd#%E7%8A%B6%E6%B3%81)
– [環境](https://qiita.com/mahiro72/items/1d5384a6e503d3d585dd#%E7%92%B0%E5%A2%83)
– [エラー内容](https://qiita.com/mahiro72/items/1d5384a6e503d3d585dd#%E3%82%A8%E3%83%A9%E3%83%BC%E5%86%85%E5%AE%B9)
– [エラー解決法](https://qiita.com/mahiro72/items/1d5384a6e503d3d585dd#%E3%82%A8%E3%83%A9%E3%83%BC%E8%A7%A3%E6%B1%BA%E6%B3%95)– ###状況
pythonとcx_Oracleを使ってデータベースに接続したい– ###環境
– windows10
– Python 3.8.5
– cx
PDFから画像抽出して一括保存するプログラム書いた!
# 概要
某レイヤーさんの写真集がPDF形式の画像ファイルで販売されているけど、そのままだと不便なので画像だけぶっこ抜いて保存するようにしました
# 使用する言語、外部ライブラリなど
– python
– [pymupdf](https://pymupdf.readthedocs.io/en/latest/tutorial.html)# コード
“`python
# -*- coding: utf-8 -*-
from pathlib import Path
import fitz# 読み込むPDFファイル
PDF_SOURCE: str = “PATH\\TO\\FILE.pdf”
# 画像の保存先ディレクトリ
DESTINATION_SAVE_TO: str = “SAVE\\TO\\DIRNAME”pdf = fitz.open(PDF_SOURCE)
# 保存先ディレクトリが存在しない場合、作成
if not Path(DESTINATION_SAVE_TO).exists():
Path(DESTINATION_SAVE_TO).mkdi
ABC160 C – Traveling Salesman around Lake から学んだ
https://atcoder.jp/contests/abc160/tasks/abc160_c
![abc160c_1.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/f713ee69-ce71-07bf-c965-ec626edadfae.png)
![abc160c_2.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/b57e85f3-66f4-bdf8-d36d-4fdf3f21855a.png)わからん。解答 please
なるほど。以下でどうでしょう。。
“`abc160c.py
K,N = map(int,input().split())
A = list(map(int,input().split()))X = A[0]
lis = []
for i in range(1,N
【VScode】pytestによる単体テスト実行 & カバレッジ可視化方法
# はじめに
VScode上でのpytestを利用した単体テスト実行とカバレッジ可視化の方法に関する個人的な備忘録です。主に以下のことを記載。
– poetryを利用した単体テスト実行可能なプロジェクト雛形作成
– VScodeのテストエクスプローラー上での単体テスト(pytest)実行方法
– VScode拡張機能を利用したテストカバレッジ(pytest-cov)計測結果のVScode上での可視化設定`python=v3.8`、`VScode=v1.6.1`で動作を確認
# 単体テストプロジェクト作成
下記コマンドでプロジェクト雛形(pytestdemo)を作成する。
“`sh:poetryによるプロジェクト雛形作成
# プロジェクト雛形作成コマンド(src layout)
poetry new pytestdemo –src
cd pytestdemo
# pytestとpytest-covを開発環境用ライブラリとしてインストール
poetry add pytest pytest-cov –dev
# プロジェクトのパッケージへのPYTHONPATH設定を
【python】モンティホール問題
# モンティホール問題とは
プレーヤーの前に閉じた3つのドアがあって、1つのドアの後ろには景品の新車が、2つのドアの後ろには、はずれを意味するヤギがいる。プレーヤーは新車のドアを当てると新車がもらえる。プレーヤーが1つのドアを選択した後、司会のモンティが残りのドアのうちヤギがいるドアを開けてヤギを見せる。ここでプレーヤーは、最初に選んだドアを、残っている開けられていないドアに変更してもよいと言われる。
ここでプレーヤーはドアを変更すべきだろうか?wikipediaより引用
https://ja.wikipedia.org/wiki/%E3%83%A2%E3%83%B3%E3%83%86%E3%82%A3%E3%83%BB%E3%83%9B%E3%83%BC%E3%83%AB%E5%95%8F%E9%A1%8C## pythonによるシミュレーション
“`monty_hall.py
import randomdef monty_hall(n_trial=1000, change_door=True):
n_wins = 0
for i in range(n_t
ABC159 C – Maximum Volume を解いた
https://atcoder.jp/contests/abc159/tasks/abc159_c
![abc159c_1.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/c42048f0-d66c-d513-6b8d-a6162d9498dd.png)
![abc159c_2.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/dbd18f31-79b6-81f7-31d2-1325a954fc4f.png)確証はないが、サンプルが三等分してるので、
マネしてみた。“`abc159c.py
L = int(input())
print(“{:.6f}”.format( (L/3)**3 ))
“`
Blenderのコマンドサンプル
# 目的
Blender2.93でPythonを実行するコマンドのサンプルを紹介します。
macOSの例ですが、適宜読み替えればWindowsでも動くはずです。## 作成するコマンドの内容
コマンドの引数にテキストを指定すると、Blenderでテキストオブジェクト、カメラ、ライトを作成しBlenderファイルとして保存したり、レンダリングしてPNGファイルを作成したりします。
# コード
機能は、Scriptingの「テンプレート → Python → Background Job」のコードをベースに下記の2点を修正しました。
– argparseでなくFireを使うように修正。Fireについては「[Python-Fireについて](https://qiita.com/SaitoTsutomu/items/a5eb827737c9d59af2af)」を参照されたし。
– ライトの明るさを1000Wに修正。“`py:background_job.py
import sys
import bpy
import firedef example_function(te
ABC158 C – Tax Increase から学んだ
https://atcoder.jp/contests/abc158/tasks/abc158_c
![abc158c_1.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/df30699a-9b7a-33ee-c50a-5b30f348f0cd.png)
![abc158c_2.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/4cd0b507-8b8d-bb62-4845-5a5251474a07.png)
![abc158c_3.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/5397807d-fb22-33df-cf42-caf6f9b9f74d.png)油断したつもりはなかったが WA
“`abc158c_ng.py
A,B = map(int,input().split())
from
[AWS]IAM認証をかけたAPIGatewayを別アカウントのLambdaから呼び出す構成をSAMで作成してみた
記事のタイトルが長くなってしまったのですが、主要な構成は以下です。
__アカウントA__
– APIGateway(IAM認証付き)
– Lambda__アカウントB__
– Lambda__フロー__
アカウントB.Lambda ⇒ アカウントA.APIGateway ⇒ アカウントA.Lambda細かく見ていきましょう。
# Githubリポジトリ
今回記事で解説している構成を作成した際のソースをgithubにプッシュしました。
もし同じような構成を作っていて困っている方がいたら、ソースをいじってデプロイしてみてください!
※使う際はいくつかのパラメータをご自身の環境に合わせて設定していただく必要があります。https://github.com/engineer-taro/apigateway-iamauthentication-crossaccount
# 注意
– こちらの記事はPython, AWS SAMを利用しています。
– Pythonではさらに、Boto3, [aws_requests_auth](https://github.com/David
ABC156 C – Rally を解いた
https://atcoder.jp/contests/abc156/tasks/abc156_c
![abc156c_1.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/1407c871-6b2a-25a1-dd99-38f981a9bea3.png)
![abc156c_2.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/67b2457e-892c-94fa-1bed-a0ea4c0f5068.png)
![abc156c_3.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/e50c3ad0-6fd1-a39a-a0c3-b68007ed9b1c.png)文章通り入れてみた。別に sort しなくても
良いと思うけど。。。“`abc156c.py
N = int(input())
X =
M1 Macでのpython環境の構築(pyenv + miniforge)
## はじめに
これまでなんとなく利用してきた Mac での python 環境を見直し、pyenv + miniforge で環境構築し、気象ライブラリであるMetpyとJupiter Labを利用可能にしたため、その過程を記録する。python環境見直しの一つのきっかけは、これまで利用していたpythonのpipを使ってMetPyがインストールできなかったことであった。
### 目標
* pyenv + miniforge で python 環境を構築する
* MetPyを Jupyter Lab で利用できるようにする### 環境
* PC: Makbook Pro (13-inch, M1, 2020)
* OS: MacOS Big Sur (Version 11.5.2)### 方針
* pyenv でpythonの実行環境を管理する
* miniconda のフォークである miniforge (3-4.10.1-5)を用いる
* miniforgeとはさまざまなCPUアーキテクチャ(intelのx86_64やppc64le、Apple M1を含むaarc
ABC154 C – Distinct or Not を解いた
https://atcoder.jp/contests/abc154/tasks/abc154_c
![abc154c_1.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/17b295e8-8463-8d84-958b-1718aff232d4.png)
![abc154c_2.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/8d58df06-cc79-37e8-45d6-23a84e6967a3.png)うん。できた。
“`abc154c.py
N = int(input())
A = list(map(int,input().split()))print(“YES” if len(list(set(A))) == len(A) else “NO” )
“`
【図解】seq2seqによる機械翻訳 サンプルコード
seq2seqによる機械翻訳の仕組みについて理解を深めるため、Kerasを用いたseq2seqのサンプルコードについて調査しました。私がこれまで学んできた一般的なディープニューラルネットワーク(DNN)やCNNと比べると、モデル定義や推定処理等の実現方法が色々異なっており初見では取っ付きにくかったので、調査結果を備忘録として本記事に残すことにしました。
# はじめに
### この記事のゴール
seq2seqのサンプルコードで使用されているモデル構造や処理フローの全体像について把握することで、seq2seqの仕組みについて理解する### この記事の対象者
– 深層学習や機械翻訳の初学者
– パッケージ化されたseq2seqのAPIではなく、KerasのLSTM等を用いたseq2seqの実現方法について興味がある方※サンプルコードの動かし方については本記事では扱いません。
サンプルコード中のコメント文の説明で動かし方が記載されていますので、興味のある方はそちらをご参照下さい。### 参考元のソースコード
下記のGitHubで掲載されているサンプルコードを参照し、本記事で解
ABC153 C – Fennec vs Monster を解いた
https://atcoder.jp/contests/abc153/tasks/abc153_c
![abc153c_1.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/10bf7a0c-ec16-a00c-7a68-d5afdfc20086.png)
![abc153c_2.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/2a85fb5c-f09e-6b33-1f3f-e2cc515bbbf0.png)
![abc153c_3.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/f627b8ea-2395-277d-bf9a-e370d4e5ef99.png)たぶん、やり方は色々あると思う。
“`abc153c.py
N,K = map(int,input().split())
H = lis
ABC152 C – Low Elements を解いた
https://atcoder.jp/contests/abc152/tasks/abc152_c
![abc152c_0.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/baa01f6d-f858-e527-adee-0d108d73323e.png)
![abc152c_1.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/224a7a12-12f8-f0fa-7cc3-7ec3c124f6aa.png)
![abc152c_2.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/737344/973940ee-fba4-3ce9-4075-61ff4c7473c3.png)文章のまま入力
“`abc152c.py
N = int(input())
P = list(map(int,input().split
畳み込みニューラルネットワークのオートエンコーダ 形状の不一致対処
#背景
畳み込みニューラルネットワークによる自前データのオートエンコーダで、エンコード前の画像形状とデコード後の画像形状が一致せず苦労した時に学んだことを備忘録として記載する。#やったこと
畳み込みニューラルネットワークを組み、サマリーを表示“`
#畳み込みオートエンコーダ#keras.layersからInput関数, Dense関数、Conv2D関数、MaxPooling関数、UpSampling関数、Activation関数をインポート
from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D, Activation, Flatten
#keras.modelsからModel関数をインポート
from keras.models import Model
#keras.callbacksからEarlyStopping関数をインポート
from keras.callbacks import EarlyStopping
es_cb = EarlyStopping(monitor=’va
〇〇っぽく会話できるシステムに初心者が挑戦してみた
##目次
1.初めに
2.対象となる人
3.使用した環境・技術
4.手順
5.完成したもの
6.最後に##1.初めに
2021年4月末よりaidemyで、Python(主として自然言語処理)の勉強を開始。
気がつくと半年近くとなり私のAidemy生活も残すところ僅かとなりました。
基礎学習さまざまな学習を行い、当初の目的であった業務に転用可能なプログラムを教えていただいたりと充実した日々を々を送ることができました。ブログねたとして、授業内容の再確認を兼ねて、ジャ〇〇ズぽい会話をしていくシステムづくりに挑戦した内容を書いていきます。##2.対象となる人
・会話システムに興味のある方
・自然言語処理に興味のある方
~~・前回との成長を比較したい人~~##3.使用した環境・技術
☆環境
Windows10
Visual Studio Code
python3.8.11(anaconda3)
☆技術
Sequence to Sequence Model:
mecab:形態素解析に使用します
Chainer:
フレームワークのひとつ
↓詳しくはこちらで解説されています
[C
緑になったのでメモ書き
![スクリーンショット 2021-10-14 18.59.26.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/2034202/b3caf902-2bdc-ae24-eef6-f8c270c221d9.png)
**ギリギリですがなんとか入緑することができました!!!**ということで、緑になるためには何々した方が良いみたいな記事はたくさんあるので、この記事は自分がこれまでやったこととこれからやっていきたいことのメモ書きみたいな感じで書いて行こうと思います。ここはこうした方が良いみたいなことがあればコメントお願い致します。
#今までやったこと
###灰のとき
A,B,C問題をそれぞれ20問ずつくらいやった。D,E問題はほとんど触れず。C++の方が速度が速く競プロ向きだということで最初はC++を使ってた。普段の研究やインタ