- 1. はじめに
- 2. 環境
- 3. 対話的なステージング(Interactive Staging)
- 3.0.1. Python 画像解析：Pattern Energyを用いた粒度分析
- 3.0.2. google colabのpythonとcudaのバージョンを変更する
- 3.0.3. # Kivy と Python で電卓を作る3：基本部分の作成
- 3.0.4. InfluxDBから取得するCSVファイルのデータ前処理について
- 3.0.5. 【Python】椎名林檎と東京事変の歌詞の意味をテキストマイニングでひも解いてみた
- 3.0.6. Playwright自分メモ
- 3.0.7. jupyter notebookで仮想通貨のリアルタイムチャート
- 3.0.8. ChatGPTの企業への導入について
- 3.0.9. [discord.py]サクッと起動まで準備する
- 3.0.10. MVtecADデータセットでCNNを雑に構築してみる カラー失敗編
- 3.0.11. 「シゴトがはかどる Python自動処理の教科書」を雑に試す
- 3.0.12. VOICEVOXで朗読や声劇（音声ドラマ）をさせてみた
- 3.0.13. 【Python】VSCodeでimportが認識されない場合の解消方法
- 3.0.14. アルゴリズム実技検定(PAST) 第11回 I問題 Python解答例(幅優先探索)
- 3.0.15. pythonで「計量時系列分析」を読む2 ARMA過程
- 3.0.16. たった2行のPythonコードでジャンプカット ー 動画編集✕プログラミングで強いクリエイターに
うまくいかない原因が画像データ不足と感じたとき
# サンプル数が少ないとうまく結果を出せない可能性がある
正方形の画像かつ回転等を行っても大丈夫なデータに限るが、画像データの水増しを行ってみる
## 使用ライブラリ
“`
import numpy as np
import glob
import os
from matplotlib import pyplot as plt
import cv2
“`## プログラム
“`
#今回はGoogleコラボを使うのでこの一文を入れる
from google.colab import drive
drive.mount(‘/content/drive’)#指定した場所から取得
true_train_img=glob.glob(os.path.join(“/content/drive/MyDrive/mvtec/tile/train/good”, ‘*’))#取得したアドレスの確認
print(true_train_img)#枚数の確認
print(len(true_train_img))
lensize=len(true_train_img)#枚数分
fo
加速度センサから得られた値を移動距離に変換
## 今回使用した実験機器
– ESP32：Wi-Fi と Bluetooth を内蔵しており,低コストで低消費電力なマイクロコントローラである.– BMX055：9 軸 (加速度 3 軸,ジャイロ 3 軸,磁気コンパス3 軸) センサを扱いやすいパッケージでまとめられたセンサモジュールである.
## 加速度センサから移動距離に変換する
加速度センサから取得した値は，時間と加速度のx, y, zである．それらの値が入ったcsvファイルを読み込んで，移動距離に変換している．今回は，加速度センサz軸のみ使用して計算を行っている．“`python:accl_distance.py
from csv import reader
import math#csv読み込み
def csv_file(file):
with open(file, ‘r’) as csv_file:
csv_reader = reader(csv_file)
data_header = next(csv_reader) #一行目を出力
data =
ナルシシスト数を求める
### ナルシシスト数とは
[ウィキペディア](https://ja.wikipedia.org/wiki/%E3%83%8A%E3%83%AB%E3%82%B7%E3%82%B7%E3%82%B9%E3%83%88%E6%95%B0)によれば以下のような数をナルシシスト数と呼ぶそうです。
> n 桁の自然数であって、その各桁の数の n 乗の和が、元の自然数に等しくなるような数をいう。例えば、$1^3 + 5^3 + 3^3 = 153$ であるから、153 はナルシシスト数である。
[Narcissistic Number(Wolfram Mathworld)](https://mathworld.wolfram.com/NarcissisticNumber.html)により詳しい説明と実際の数の列挙があります。ナルシシスト数は有限で理論上60桁以下しかないそうですが、実際の最大値は39桁までの88個だそうです。
### ナルシシスト数を求める
ナルシシスト数を求めるコードは[A005188](https://oeis.org/A005188)のPythonのコードを参考に
実践!Djangoを使って,progitを攻略(7.2節) – Interactive Staging
はじめに
今回は,Gitについて学ぶためにProgit上にあるコードを実際に活用した場合にどのような使い方ができるのかのメモ帳として記録しています。
Djangoの使い方について説明していないため、貼ってあるリンクからその実装方法を学んでください.
環境
OS: Mac
Python Version: 3.9.0対話的なステージング(Interactive Staging)
先ず,対話的なステージングとは,`git diff`で変更点を確認してから、`git add`でステージングするみたいな作業を
質問形式で対話的に行うことができる方法です。
例えば、ステージングする前にどんな変更点があるかを確認したいけど,commandを忘れたという時に
一々ネットでコマンドを調べなくても、変更点を確認するといった選択肢があるため、コマンドを調べるめんどくさい作業が減ります。今回は、その方法をDjangoを用いたサイト制作を通じて,学びます。
最初に,[「はじめてのDjangpのアプリ作成,その1」](
Python 画像解析：Pattern Energyを用いた粒度分析
# はじめに
顕微鏡画像中の粒子などを定量的に解析する方法の一つである
“Pattern Energy”を用いた粒度解析をPython3のOpenCV4で実装・検証する。# 概要
解析のイメージを以下に示す。（厳密さよりイメージのしやすさを重視しております）
詳しくはページ下部の参考URLを確認いただきたい。#### 解析方法
「画像」を
「各格子サイズでフィルタリング」した際に得られる
「各格子における画素値の標準偏差」を算出して
「格子サイズを横軸に取って並べる」正しくは
>Each image is filtered at multiple spatial frequency scales, and the “energy” at each scale is measured as the standard deviation of the filtered pixel values. [1]
#### 用意した画像
以下の6種類の画像をデモ用に用意した
1. Small_Dispersion : 小さい粒子が分散
2. Mix_Dispersion : 小さい粒
google colabのpythonとcudaのバージョンを変更する
# はじめに
tensorflow-gpu 1.13.2環境でモデルを動かすためにgoogle colabのpythonとcudaのバージョンを変更した時のメモです。変更前
python: 3.8.16
cuda: 11.2変更後
python: 3.6.9
cuda: 10.0# pythonのバージョンの変更
以下のコマンドで現在のバージョンを確認する。
“`
!python3 -V
“`
“`
Python 3.8.16
“`
以下のコマンドを実行する。
“`
!sudo update-alternatives –config python3
“`
このような出力が出てくるので、python3.6に変更したい場合は、「Pressto keep the current choice[*], or type selection number:」の後に1を入力する。
“`
There are 2 choices for the alternative python3 (providing /usr/bin/python3).Se
# Kivy と Python で電卓を作る3：基本部分の作成
## 目次
[Kivy と Python で電卓を作る:概要](https://qiita.com/ShrikeWasHere/items/07c879b4485a612eee33)
[Kivy と Python で電卓を作る:方針](https://qiita.com/ShrikeWasHere/items/b45d8ebb7ed23600f45c)
[Kivy と Python で電卓を作る:基本部分の作成]()←イマココ
[Kivy と Python で電卓を作る:電卓機能の追加]()## 3. ボタンと表示部分の実装
今回から実装.
* 必要なボタン類の作成
* 数字や記号の入力ができる
* 表示が更新される今回, 作成するのはここまで.
完成したらこんなふうになります.
### 3-1. ファイル構成
InfluxDBから取得するCSVファイルのデータ前処理について
InfluxDBから取得されるデータのフォーマットがPythonでグラフ作成を行うには利便性が低いため，データの前処理を行う
以下に現在出力されるCSVファイルのフォーマット例と理想のフォーマット例を示す．
現在のフォーマット
| 日付 | CPU使用量 | Pod名 |
| —- | —- | —- |
| YYYY-MM-DD-HH-MM-SS | num | pod1 |
| YYYY-MM-DD-HH-MM-SS | num | pod1 |
| YYYY-MM-DD-HH-MM-SS | num | pod2 |
| YYYY-MM-DD-HH-MM-SS | num | pod2 |
| YYYY-MM-DD-HH-MM-SS | num | pod3 |
| YYYY-MM-DD-HH-MM-SS | num | pod3 |理想のフォーマット
| 日付 | Pod1 | Pod2 | Pod3 |
| —- | —- | —- | —- |
| YYYY-MM-DD-HH-MM-SS | CPU使用量1 | CPU使用量1 | CPU使用
【Python】椎名林檎と東京事変の歌詞の意味をテキストマイニングでひも解いてみた
# 背景
椎名林檎さまと東京事変が大好きで、いつか難解な歌詞の意味を解釈できたらいいなと思っていました。
自然言語処理を勉強し、椎名林檎と東京事変の歌詞を可視化することにより意味を深堀したいと思いテキストマイニングをしてみました。それぞれのテーマや世界観について考察したいと思います。# 歌詞の取得
歌詞のスクレイピングは下記ページを参考にさせて頂きました。
https://qiita.com/Senple/items/1ad08b1a7ac9560bef62
歌詞はuta-netから引っ張ってきています。
椎名林檎さま（全141曲）：https://www.uta-net.com/artist/3361/
東京事変（全101曲）：https://www.uta-net.com/artist/3484/※歌詞の取得には注意が必要なため方法は割愛致します。
# テキストマイニングの実施
UserLocalを用いて椎名林檎さまと東京事変の歌詞を比較しました。
https://textmining.userlocal.jp/## ワードクラウドの描画
では早速、椎名林檎と東京事変
Playwright自分メモ
インストール(mac)
pip3 install playwright
python3 -m playwright installサンプル生成
playwright codegen URL -o sample.py
基本
browser = playwright.chromium.launch(headless=True)
context = browser.new_context()
page = context.new_page()
page.goto(a_url)インタラクティブに
from playwright.sync_api import sync_playwright
playwright = sync_playwright().start()
browser = playwright.chromium.launch(headless=False)
page = browser.new_page()
page.goto(‘https://google.co
jupyter notebookで仮想通貨のリアルタイムチャート
# コメント
時間がたつごとに過去の情報が消されていきます。
シンプルなので，更新期間や表示期間を変えるなど好きなようにカスタマイズしてください。
jupyter notebookの環境で動きます。“`bash
pip install ccxt
“`“`python
import time
import datetime
import matplotlib.pyplot as plt
from IPython.display import clear_output
import ccxtbase = ccxt.bitflyer()
def plot(symbol):
x = []
y = []while True:
x.append(datetime.datetime.now())
y.append(base.fetch_ticker(symbol=symbol)[“last”])
clear_output(True)
plt.plot(x, y, color=”b
ChatGPTの企業への導入について
# 概要
ChatGPTの活用についてお問い合わせを頂く機会が増えています。
企業への導入における懸念事項はある程度共通しており、お問い合わせを頂く前に、基礎知識をご共有できれば円滑な導入に繋がると思い、本記事を投稿することにいたしました。# ChatGPTのAPI
ChatGPTをアプリケーションに組み込む際にまず疑問にあがるのがAPIの存在です。
ChatGPTには公式APIがないため、下記いずれかを選択することになります。
1. 非公式OSSのスクレイピングAPIを利用
1. ChatGPTに最も近い*GPT-3.5モデルのtext-davinci-003を応用
(*2023/1/11時点)1は、ChatGPTと同様の機能を持つものの、大企業では導入のハードルが高いと考えます。
2は、公式のAPIを利用できるものの、ChatGPTと同様の機能を持たせることはできません。
以上を踏まえ、企業での導入においては2を選択することになると思います。# 機密情報の入力
Prompt、Fine-tuningに関わらず、OpenAIはAPIリクエストをモデルの改善に利用しています
[discord.py]サクッと起動まで準備する
# 前提
* `pip`が使える。# botを作成する
https://discord.com/developers/
右上の`New Application”を選択。
名前を決めて`Create`を押す。
左側メニューから`Bot`を選択。
MVtecADデータセットでCNNを雑に構築してみる カラー失敗編
# MVtecADデータセットを利用してCNNの実装を行う（カラー画像編）
今回はMVtecADのtileを使用する
## 使用ライブラリ
“`
import keras
from keras.layers import Input, Dense, Conv2D, MaxPooling2D, BatchNormalization, Activation, Flatten,Dropout
from keras.models import Model
from keras.callbacks import EarlyStopping, ModelCheckpoint
from tensorflow.keras.optimizers import Adam
import os
import pickle
import numpy as np
import glob
from matplotlib import pyplot as plt
import cv2
“`### 使用画像
# 使った書籍
過去何回もPythonとやらをいじった事があったけど、途中でめんどくさくなってやめてしまった。
その反省を活かし、今回は「自動処理」のゴールが明確な書籍を
VOICEVOXで朗読や声劇（音声ドラマ）をさせてみた
# １、概要
皆さんは、無料で使えるテキスト読み上げソフトウェアである「VOICEVOX」をご存じでしょうか。 色々なキャラクターの音声で入力したテキストを読み上げてくれるソフトです。 今回は、「VOICEVOX」を使用してテキストファイルの朗読や色々な台本から声劇を行うソフトを作成してみましたので紹介します。# ２、動作環境
本プログラムは、「Python Script」と「HTML」、「Javascript」で作られており、動作環境は次の通りです。
– Windows10/11 64-bit
– Visual Studio Code (VS Code)
– Python 3.9.4 64-bit
– Browser: Microsoft Edge or Google Chrome
– VOICEVOX Ver. 0.13.4.# ３、デモ画面
認識できないってさー
install は したのになぜ？？？
 第11回 I問題 Python解答例(幅優先探索)
Supershipの名畑です。少し前の話になりますが[このマンガがすごい！2023](https://konomanga.jp/special/145771-2)を見て、今年もオトコ編は集英社が多いなという素直な印象を持ちました。ランクインしている[あかね噺](https://www.youtube.com/watch?v=B8AE5A41CA0)は古典芸能である落語をジャンプの文法に見事に落とし込んでいて面白くて好き。
## はじめに
[アルゴリズム実技検定(PAST)](https://past.atcoder.jp/)の過去問シリーズです。
第11回のI問題になります。A問題からここまで解ければ合計で64点なので中級となります。
前にも引用させていただいた[AtCoder社長の高橋様のつぶやき(2019年時点ですが)](https://twitter.com/chokudai/status/1196371845563346944)によるとこれで緑相当でしょうか？AtCoderで緑の私は分相応に第11回はいったんここまでとして、次からは別の回のA問題から順番にやっていこ
pythonで「計量時系列分析」を読む2 ARMA過程
時系列分析で有名な「計量時系列分析」をpythonで実装しながら読み進めていきます。
汚いコードですが自主学習・記録が目的ですのでご了承ください。
様々な人がより分かりやすい記事を書いていますのでそちらをご覧ください。
そして、本格的に勉強したい方・細かい内容を知りたい方はぜひ参考書を手に取って勉強してください。
また、何か問題があればご連絡いただければと思います。次の本を扱います。
### 参考書
https://www.amazon.co.jp/%E7%B5%8C%E6%B8%88%E3%83%BB%E3%83%95%E3%82%A1%E3%82%A4%E3%83%8A%E3%83%B3%E3%82%B9%E3%83%87%E3%83%BC%E3%82%BF%E3%81%AE%E8%A8%88%E9%87%8F%E6%99%82%E7%B3%BB%E5%88%97%E5%88%86%E6%9E%90-%E7%B5%B1%E8%A8%88%E3%83%A9%E3%82%A4%E3%83%96%E3%83%A9%E3%83%AA%E3%83%BC-%E6%B2%96%E6%9C
たった2行のPythonコードでジャンプカット ー 動画編集✕プログラミングで強いクリエイターに
# 前置き
動画編集をしたことある人ならわかるかもしれませんんが
結局、カット作業が時間を一番時間を食ってめんどくさいですよね。
その何時間もかける作業を5分もかけずにできるとなったら
なんとも嬉しいことです。
そのなんとも嬉しいことがプログラムを書くことで実現可能です。
一番馴染みやすい言語として**Python**という言語がありますが
そのPython言語のパッケージである**jumpcutter**を使って
**動画編集**をしてみようと思います。
# Before After
早速ですが、Before Afterをご覧いただきます。
多少、何言ってるかわからない部分などはありますが
テンポが良く伝わるので問題ないでしょう。
## Before
## After
# 環境
・WSL2
・Jupyter Notebook
# jumpcutterのGitHub URL
jumpcutter
