- 1. 『Python1年生』で勉強中（その2）
- 2. FastAPIでネストリクエストボディJSON
- 3. Google Drive APIでOCRをしよう！
- 4. H＆Mにおけるレコメンデーション
- 5. Pytorchで学習再開
- 6. ABC248 A~DをPythonで解く！
- 7. AtCoder Python 解答通りなのにTLE
- 8. 【AtCoder】PythonでABC248のA, B, C, D, Eを解く
- 9. PytorchとStreamlitでウマ娘の顔を検出するアプリケーションを作成する
- 10. tavern でRestAPIのテスト
- 11. ABC248での学び
- 12. 色んなアジア文字のユニコードブロックを描いてみたり
- 13. ラズパイでプライバシーに配慮した写真を撮る
- 14. [pandas] df.head()の列を全て表示する
- 15. オブジェクト指向を用いた線形常微分方程式の数値計算（Python）2-2：Euler陽解法クラス
- 16. これから更に流行るであろうフォトリアルな世界について勉強しよう 光と色の計算
- 17. Livedoorニュースコーパスの1記事をMeCabで形態素解析して名詞だけを抽出するまで
- 18. 【Python】アドホックな分析(EDA)でもloggingしたい！ 〜 データ分析の再現性を高める 〜
- 19. 【Python／GUI】PySide6のチュートリアル、作りました
- 20. [kaggle] dataframeの容量を圧縮して、メモリー不足を回避する
- 21. ソースコード
『Python1年生』で勉強中（その2）
## この記事について
『Python1年生』（以下、書籍）でPythonを学習する初心者の記録です。
今回も大したことは書いていませんが、こういうのは習慣的にやるべきだと最近読んだ別の本に書いてあったので、とりあえず書き散らします。■ バックナンバー
・[『Python1年生』で勉強中（その1）](https://qiita.com/megrim_q/items/c1417f507e96c1fb7015)## 実行環境
| OS・MW | バージョンなど |
|:-:|:-:|
| OS | Windows 10 Pro 21H2 19044.1645 |
| Python | 3.10.4 |
|IDLE |3.10.4|## やったこと
引き続き、IDLEに書籍のサンプルプログラムを入力してひたすら試していました。
その他、ときどき思いつきで書き方を変えてみたりなど。## 気になったところ
### Pythonについて
– 文字列の一部を抜き出す書き方、例えば「w[1:10]」のように書く場合、
「1番目～10番目まで抜き出す」のかと思いきや、「
FastAPIでネストリクエストボディJSON
サブモデル定義する
なっかなか見つからなかったので
https://fastapi.tiangolo.com/tutorial/body-nested-models/
Google Drive APIでOCRをしよう！
# はじめに
アクセンチュアの赤石です。必要があって、OCR機能をいろいろ調べています。
Google では、Google Vision APIとGoogle Driveの機能があります。[Google Vision APIの記事](https://valmore.work/cloud-vision-api-ocr/)
[Google Driveの記事](https://cloud-ace.jp/column/detail60/)大量にOCRをしたい場合は、普通に考えるとAPIとして使えるGoogle Vision API一択なわけですが、どうも軽くテストした限り、Google Drive APIの方が認識精度が高いみたいなのです。そもそも、同じグーグルで同じ機能のエンジンが２つあることからして謎なのですが。。。
それで、**普通であればUI経由で使うGoogle DriveのOCR機能をAPIで使いたい**と思ってしまったわけです。
結論として、頑張れば**Google DriveのOCR機能をAPIで使うことは可能**でした。当記事は、そのための手順を示すものとなりま
H＆Mにおけるレコメンデーション
みなさんこんにちは、現在Aidemyを受講しており、データ分析を勉強しております。
学習したことを活かし、この記事では
カグルのＨ＆Ｍのレコメンデーションモデルをしていこうと思います。
今回のコンペティションはこのような内容となっています。
https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations
##### コンペに参加した理由
なぜ、私がこのコンペティションに参加したのかを簡単に言いますと、
データサイエンスの知見を使って、レコメンドシステムを使い、自ら好きなファッション業界を盛り上げていきたいと考えているからです。前段ですが、このコンペディションのEDAも書いたので、これも添えて頂きたいと思います。
H&M Personalized Fashion Recommendations:
https://www.kaggle.com/code/uchiiyusaku/h-m-eda##### ライブラリのインストール
“`
#初期の必要なライブラリをインポート
impo
Pytorchで学習再開
# Pytorchでモデルをsave/loadして学習を途中から続ける方法です
学習の途中で、（コンピューターや人間の都合で）一旦中断して、後で学習を再開したい時があります。
Colabのような連続使用時間に制限があるような環境や、学習エポック数の初期設定に追加して学習したいときなどに、モデルの重みをファイルとして保存して、後でロードして再開したい。# モデルを保存するだけでは、同じ正解率から学習再開できない
モデルの保存と読み込みは以下の通りですが、これは、復元したモデルをevalモードで単に推論に使うときは機能しますが、学習を再開しようとすると、ロスや正解率が保存前から継続せず、初期値に戻ってしまっていることに気づきます。
“`python
# 保存
torch.save(model.state_dict(), PA
ABC248 A~DをPythonで解く！
# はじめに
そろそろ茶色コーダーから抜け出したいChunky_RBP_Chanです。
ABC248 A~Dを解いたのでシェアします。https://atcoder.jp/contests/abc248
# A: Lacked Number
https://atcoder.jp/contests/abc248/tasks/abc248_a
## 問題
0~9のうち9種類使った文字列Sが与えられるので使われていない数字を求めよ
## 解答
文字列を全部見て、ない数字を出力すればよいです。“`python
S = input()
for i in range(10):
for j in range(len(S)):
if i == int(S[j]):
break
else:
print(i)
break
“`
# B: Slimes
https://atcoder.jp/contests/abc248/tasks/abc248_b
## 問題
一回叫ぶごとにK倍に増殖するスライムがA匹い
AtCoder Python 解答通りなのにTLE
# 回答通りのコードなのに、、、
PythonでとあるC問題に挑戦していました。
しかし、実行しても
**「TLE」**
の結果が返ってくる、、あきらめて解答を見てみたら、
**合ってるやん！！**まさかこんなに早い段階でPythonの限界が、、！？
# 対策
**言語をPyPy3で実行する**
PyPyはJITコンパイル機能があり、Pythonのコードを高速に実行できる言語です。ほぼほぼPythonのコードでもコンパイルしてくれます。
【AtCoder】PythonでABC248のA, B, C, D, Eを解く
自分がコンテストでやった考察と実装を書いてみます.
# 目次
* [A問題 『Lacked Number』](https://qiita.com/yassu/items/ae83817838c2c25e5a1d#a%E5%95%8F%E9%A1%8C-lacked-number)
* [B問題 『Slimes』](https://qiita.com/yassu/items/ae83817838c2c25e5a1d#b%E5%95%8F%E9%A1%8C-slimes)
* [C問題 『Dice Sum』](https://qiita.com/yassu/items/ae83817838c2c25e5a1d#c%E5%95%8F%E9%A1%8C-dice-sum)
* [D問題 『Range Count Query』](https://qiita.com/yassu/items/ae83817838c2c25e5a1d#d%E5%95%8F%E9%A1%8C-range-count-query)
* [E問題 『K-colinear Line』](https://qiita.com
PytorchとStreamlitでウマ娘の顔を検出するアプリケーションを作成する
## はじめに
私は現在大学で機械学習を用いて医療データの分析を行っています．
しかし，分析対象が表形式データであるため，深層学習に触れたことはありませんでした．さすがに今どき深層学習に全く触れたことがないのはまずいと思い，春休み期間を利用して勉強してみました．
今回は勉強内容のアウトプットとして深層学習の定番（？）である顔分類に挑戦してみました．
分類対象は私の大好きな**ウマ娘**です！（~~ちなみに一番好きなウマ娘はシンボリルドルフです~~）顔画像の分類に使用するCNNモデルは`Pytorch`を利用して構築し，アプリケーション部分は`Streamlit`を利用して作成しました．
実際に使用したソースコードはコチラ（アプリケーションの実行方法等の記載もあります）:point_down:
https://github.com/tatsu0428/UmaMusume_detection
## アプリケーション実行例
下図のようにウマ娘の画像を読み込むと，顔を四角枠で囲み，対応するウマ娘の名前を表示します．
# 画像の取得
capture = cv2.VideoCapture(0)
ret, frame = capture.read()
capture.releas
[pandas] df.head()の列を全て表示する
“`python
pd.set_option(‘display.max_columns’, None)
“`“`python
df.head()
“`するとすべての列が表示される
オブジェクト指向を用いた線形常微分方程式の数値計算（Python）2-2：Euler陽解法クラス
# 1. はじめに
常微分方程式の離散化方法の一つであるEuler陽解法を解説し、Pythonで数値計算を行うためのEuler陽解法クラスを実装します。同シリーズの記事はこちらです。
– [オブジェクト指向を用いた線形常微分方程式の数値計算（Python）1：線形常微分方程式クラス](https://qiita.com/itotomball/items/8c25ffa93070603af794)
– [オブジェクト指向を用いた線形常微分方程式の数値計算（Python）2-1：差分法基底クラス](https://qiita.com/itotomball/items/344789710d0ba1b9ebcd)# 2. Euler陽解法
$N$ 階線形常微分方程式は、式$(1)$のような一階連立常微分方程式に書き換えられました。
$$ \phi_k^\prime = \rho_k(x,\phi_0,\ldots,\phi_{N-1}),\qquad (k=0,\ldots,N-1). \tag{1}$$
差分法では、この左辺の一階微分を差分で置き換えます。
$$ \phi^\p
これから更に流行るであろうフォトリアルな世界について勉強しよう 光と色の計算
去年Googleが発表した「Total Relighting」
一枚の画像から、人物を切り出し、背景に合わせて人物のライティングを自動で調整する手法。・・・らしいのですが。すごいですよね。
フォトリアルというと、最近は3D分野の目覚ましい発展を連想しますが、
３Ｄはどうしても装置や機材に依存するイメージが付きまといます。
もしもiphoneなどの単眼カメラで実現できるようになれば、
表現の世界はさらに次のステージに進めそうです。ということで今回はそんな「フォトリアル」な世界について勉強します。
できるだけ数式と実際のソースに基づいて理解を深めていきます。（目標）参考：
https://www.scratchapixel.com/lessons/3d-basic-rendering/ray-tracing-overview/light
Livedoorニュースコーパスの1記事をMeCabで形態素解析して名詞だけを抽出するまで
# 環境
Python 3.7.6（Jupyter Notebook）
MeCab 0.996# Livedoorニュースコーパスのダウンロード
https://www.rondhuit.com/download.html からldcc-0140209.tar.gzをダウンロード・解凍。# MeCabで名詞の抽出
次のコードを実行して、「独女通信」の1記事を形態素解析・名詞のみ抽出する。
“`python
import MeCab# 形態素解析の辞書を指定
mecab = MeCab.Tagger(“-Ochasen”)# 適当なパスを指定
text = open(“dokujo-tsushin-6915005.txt”, mode=”r”).read()result = []
for line in mecab.parse(text).splitlines():
if “名詞” in line:
result.append(line.split()[0])print(result)
“`
### 《
【Python】アドホックな分析(EDA)でもloggingしたい！ 〜 データ分析の再現性を高める 〜
Pythonでアドホックな分析､あるいは探索的データ分析(EDA)をやっていく過程で､
**「あれ､あの時の結果(出力)って､どうやって出したんだっけ…？」**
という状況になることはありませんか？ **筆者はあります｡**
データ分析をするときに､どんなことを試したか自動で記録されたらいいのに…
と思ったので､それを実現する方法を記事にします｡結論からいうと､いい感じにloggingとデコレータを使おうという内容です｡
なお､この記事の中でloggingの詳細についての解説は行いません｡ [^3]
[^3]:loggingの詳しい仕組みについては､こちらのページがおすすめです｡
[【Python】仕組みを理解してログ出力を使いこなす](https://hackers-high.com/python/logging-overview/)# この記事の想定読者
– Python(特にJupyter)でデータ分析をすることがある
– 投入する変数をいろいろ変えて試行錯誤することがある
– 一度やった分析の条件をあとから確認できるようにしたい
– **データ分析の再現性を高
【Python／GUI】PySide6のチュートリアル、作りました
# はじめに
PythonのGUIライブラリの一つである「PySide6」の使い方について解説していきます。これからPySide6を使っていこうと思っている方に向けて記載しております。
なるべく嚙み砕いて、それでいて簡潔にしたつもりです。また、この記事ではよく使うであろうウィジェットに絞っております。
そのほか私が「おっこれいいなっ！」って思ったものがあれば、別の記事を記載して、そのリンクを貼っていきます。# 環境
* Windows 11 Home
* Python 3
* ここでは Python 3.9.9 を使用
* テキストエディタ
* 秀丸エディタ# PySide6って何ぞや？
世界で超絶大人気GUIライブラリの一つである「Qt」をPythonでも使えるようにしたのがPySide6です。本来QtはC++で使用するものですが、あまりの人気っぷりにPythonでも使用できるようになりました。
いつからかは分かりませんが。似たようなライブラリにPyQtってのがありますが、使える機能はほぼ同じです。
（全く同じかもしれません。PyQtは
[kaggle] dataframeの容量を圧縮して、メモリー不足を回避する
ソースコード
“`python
def reduce_mem_usage(train_data):
“”” iterate through all the columns of a dataframe and modify the data type
to reduce memory usage.
“””
start_mem = train_data.memory_usage().sum() / 1024**2
print(‘Memory usage of dataframe is {:.2f} MB’.format(start_mem))for col in train_data.columns:
col_type = train_data[col].dtypeif col_type != object:
c_min = train_data[col].min()
c_max = train_data[col].max(
