Visual Studio 2017で、クラス図を自動生成しましょう - nprogram’s blog
はじめに プロジェクトが大きくなればなるほど、コードを読んで、クラス図を作成する作業は大変になります。 Visual Studio 2017を使用すれば、プロジェクトからクラス図を自動生成することが可能です。 環境 Visual Studio Community 2017 (Version 15.7.4) Windows 10 (Version 1803) クラス図自動生成手順 (1) クラスデザイナーのコンポーネントが必要です。ない場合は、メニューのツール⇒ツールと機能の取得からインストールしてください。 (2) ソリューション エクスプローラーのプロジェクトを右クリックして、ビュー⇒クラスダイアグラムで表示を選択 (3) クラス図が表示されます。クラスの下矢印をドロップダウンすると、メンバ変数やメンバメソッドを見ることができます。 まとめ Visual Studio 2017を使用すれ
pythonスクリプトのexeファイル化 (pyinstaller) - techno_memo
やりたいこと exe化の方法 環境 手順 注意点 pythonのバージョン ファイルの容量 ファイルパスの取得 ドラッグアンドドロップによるファイルパスの受け渡し やりたいこと pythonスクリプトをexeファイル化したい 別PCへの配布 (python環境がないPC/開発者以外のPCで動作させたいツールなど) 簡単に起動させたい便利ツール (ドラッグアンドドロップでファイル情報を取得して起動など) exe化の方法 pythonのexe化用ライブラリは複数存在するが、今回は最も手軽にできるpyinstallerを紹介する github.com 環境 Windows10 (64bit) Anaconda (python 3.5 64bit) 手順 pip install pyinstaller で pyinstallerをインストール (初回のみ。anaconda 仮想環境を作っている場合
SQLiteでINSERTが激しく遅い件 - なら＠はてなブログ
さて、表題そのまんまです。 で、残念ながら高度なチューニングなんかの話ではなく、おそらく基本的な話です。けど、知らないとハマるかも。 とあるAndroidアプリの開発で、テーブルに20万件ほどのレコードを登録しないといけなくなりました。 で、Androidアプリで使うDBはSQLiteなので、SQLiteでテーブルつくってINSERTをループさせる方法で実装。 くっそ遅い！！ INSERT終わるまで1時間以上かかるんですわ。 で、ちょっとググってみたところ、SQLiteのINSERTメソッド、内部でトランザクション管理してるみたいです。 なので、以下のようにやっちゃうと20万回トランザクションを開始→コミットってやってて、そのコストが激しくバカにならない。 SQLiteDatabase dbh; // 適当にインスタンスを生成しておく for (int i = 0 ; i < 200000
Django カスタムコマンドを実装する
Django カスタムコマンドを実装します。素の Python でもカスタムコマンドは実装できますが、Django でカスタムコマンドを実装することにより、既存の資産（models.py や ORM）をそのまま使うことができ、素早く実装することができます。 私は、バッチ処理を Django のコマンドで実装し、それを cron で定期的に実行する方法をよくやります。 tree $ tree . ├── app │ ├── __init__.py │ ├── apps.py │ ├── management │ │ ├── __init__.py │ │ └── commands │ │ ├── __init__.py │ │ └── hello_command.py │ ├── models.py │ └── views.py ├── c
Pythonで時系列クラスタリングをする
時系列データを分類したいときに、時系列クラスタリングという方法がある。Pythonにはtslearnというパッケージがあって、k-means法によるクラスタリングができる。距離（類似度）として使えるのはユークリッド距離や動的時間伸縮法 (Dynamic Time Warping: DTW)、Soft-DTW。今回はDTWを使うが、DTWは2つの時系列間の類似度を求める方法のひとつで、期間の長さが異なる時系列データ間の類似度も求めることができる。 Google Trendsでは検索キーワードの週ごとの検索数を調べられるので、このデータを使ってtslearnでクラスタリングしてみる。 環境 Windows10のWSL(Ubuntu 18.04)。 $ lsb_release -a No LSB modules are available. Distributor ID: Ubuntu Desc
【超初心者向け】画像の主成分分析(PCA)をpythonで実装してみる。Beginaid
「画像に主成分分析を行う」とは？ 個人的に一番ハマってしまったところです。PCAの話題でよく挙げられる，二次元プロットされたデータ集合に主成分分析を行うの例はよく分かります。要するに，二次元データを一次元に落とすというモチベーションだからです。 それでは，上の考え方を画像に適用するというのはどのような流れで行うのでしょうか。まず，画像における次元というのは画像のピクセル数そのものです。たとえば，画像をデータ化したときに「64×64」サイズの行列であった場合，その画像の次元は「64×64」次元になります。そして，１枚の画像データは「64×64次元空間に存在する１つの点」を意味しています。 私が誤解していたのは，１枚の写真に対して主成分分析を行うものだと思っていた点です。１枚の写真は超次元空間の１つの点でしかないので，次元を落とすとシンプルに情報が欠落していきます。つまり，「64×64」ピクセ
教師データなしでグループ分けす／クラスタリング／Pythonサンプル - SE_BOKUのまとめノート的ブログ
目次 クラスタリング クラスタリングの手法 k-meansを使うサンプルソース ウォード法（階層的クラスタリング）適用結果 群平均法（階層的クラスタリング）適用結果 最長距離法（階層的クラスタリング）適用結果 最短距離法（階層的クラスタリング）適用結果 まとめ クラスタリング 手書き数字画像（Scikit-learn付属のdigits）を、教師なしでクラスタリングします。 クラスタリングとは、簡単に言えば、データをグループ分けすることです。 詳しい説明は、自分が理解でするより、こちらのサイトの説明を読むほうがいいと思うので、リンクをのせておきます（笑）。 www.albert2005.co.jp www.albert2005.co.jp www.albert2005.co.jp 通常のクラス分類だと、教師データを用意して事前学習します。 でも、クラスタリングはそれを行いません。 なので。
作業じゃない、データ作りだ。アノテーションから考えるAIビジネスの正攻法 | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
scikit-learn でトレーニングデータとテストデータを作成する
本ページでは、Python の機械学習ライブラリの scikit-learn を用いてトレーニングデータとテストデータを作成するために、サンプリングを行なう手順を紹介します。 トレーニングデータ・テストデータとは 教師あり機械学習（回帰分析、決定木分析、ランダムフォレスト法、ナイーブベイズ法、ニューラルネットワークなど）によるモデルを作成するには、準備したデータセットをトレーニングデータ（訓練用データ、学習用データとも呼ばれます）とテストデータ（検証用データ、評価用データ、検証用データとも呼ばれます）の 2 つに分割して予測モデルの作成、評価を行なうことが一般的です。このように一定の割合でトレーニングデータとテストデータに分割することをホールドアウト (hold-out) と呼びます。 以下は、クレジットカードの解約予測の分析テーマを例に挙げて、そのイメージを説明します。 トレーニングデー
機械学習の要「誤差逆伝播学習法」を解説・実装してみる！ – 株式会社ライトコード
「誤差逆伝播学習法」とは？誤差逆伝播学習法(BP: Backpropagation)とは、ニューラルネットワークの学習法の１つで、今現在もっとも主流で強力な学習法を指します。 その名の通り、ネットワークを誤差情報が逆伝播することから名前がつけられていますが、ちょっとそれだけでは分かりづらいですね。 この記事では、誤差逆伝播学習法の仕組みとその実装を解説していきます。 解説部では、少し数式が多いですが、ひとつひとつ丁寧に見ていけば必ず理解できると思います。 また、誤差逆伝播学習法の考え方は、様々な学習方法に応用されている学習法なのでしっかりと理解しておきましょう！ 実行環境以下は筆者の実行環境です。 今回も数値計算用のNumPyとグラフ描画用のmatplotlibを使います。 Python 3.7.3NumPy 1.16.3matplotlib 3.0.3「誤差逆伝播学習法」実装の前準備ネッ
Windows10のタスクスケジューラで設定した繰り返し処理が起動しない | n-portal
前書き Windows8のタスクと同じものをWindows10に設定したところ、起動しなくなりました。 調べてみると似たような症状の方がいらっしゃいました。どうやらAnniversary update（1607）以降、 挙動が変わってしまったようです。 参考にしたページ Windows 10 Anniversary Update 後のタスクスケジューラがおかしい 今回、Windows10に移植し、起動しなくなっタスクは、下記のように繰り返し起動するタイプのタスクです。 ・毎日7：00に起動-トリガーされた後、5分間ごとに11時間繰り返すタスク Windows8と同じ設定 Windows8と同じ設定にしたら起動しなくなりました。 参考までに起動しなくなった時の設定を紹介します。 【全般】 【トリガー】 【操作】 【条件】 【設定】 Windows10で繰り返し処理を設定する方法 【設定】 W
Yolo学習用データセットの作成ツール：labelImg
Yolo学習用データセットの作成法のメモ。Yoloの学習データを作成するときは、画像からオブジェクトの領域を矩形で指定する必要がある。そのためのツールとしては、BBox-Label-Toolがあるが、使いづらい上に、矩形領域のテキストファイルをYolo用に変更しなければならず手間が多い。Yolo用のテキストファイルも生成できるtzutalinさんのlabelImgを紹介する。 GitHubリポジトリ labelImgインストール (Ubuntu16.04, python3) cd srcgit clone https://github.com/tzutalin/labelImg.gitsudo apt install python3-pipcd labelImgsudo pip3 install -r requirements/requirements-linux-python3.txts
YOLOv3を試してみる(2) - みらいテックラボ
オリジナルデータで物体検出を試してみたくなり, 久々にYOLOを触ってみることに... YOLOは, 昨年少し触っていたYOLOv2からYOLOv3にバージョンアップしており, 今回はYOLOv3のモデル学習について公開データをもとに手順等の確認を行った. 関連記事： ・YOLOv2を試してみる(1) ・YOLOv3を試してみる(2) ・YOLOv3を試してみる(3) YOLOv3のインストールもモデル学習も基本的には公式ページにある手順で問題なく行えるが, オリジナルデータで学習する際にはモデル構造の定義などを変更する必要があるので, 少しまとめておく. 1. 学習手順[1][2] 1.1 学習データの準備 公式サイトを参考に学習データをダウンロードし, 解凍する. wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012
コピーレフトライセンスについて考察 - 技術ブログ | 株式会社クラウディア
みなさんこんにちは、 masa です。今日は、私たちが普段から無意識のうちに使っているオープンソースソフトウェアのライセンス について取り上げたいと思います。とくにコピーレフトという性質をもつ GPL (GNU General Public License) は商用利用で気をつけるべきことがあったりします。 いまや星の数ほどあるオープンソースソフトウェア（以下 OSS）ですが、私たちの仕事にあまりに無意識に入り込んでいるため、ライセンスについてはあまり考えずに使ってしまうこともしばしば。OSS のライセンスが複雑化していることも原因と考えられます。今日はそんな OSS のライセンスについて商用利用という観点から再考するために改めて書きとめておきたいと思います。 そもそもオープンソースって無料でしょ？ OSS は無料で使えるのは確かです。しかし 負う義務はライセンスにより様々なのです。 無料
GPLやMITやCCなど主要ライセンスの内容と意味のまとめ
ＷＥＢ制作者にとっての強力な手助けとなる「無料素材」や、ＰＣの作業効率を格段に向上させる「フリーソフト」。ＷＥＢの世界では、もはやタダで手に入らないものは無いんじゃないかとさえ思えるほど、さまざまなものが無料で配布・提供されています。 しかしそれらは「使用料金が無料なだけ」であって、「完全に自由に使用する事が可能ではない」のです。 世の中に無料で出回っている画像やプログラムソースやアプリケーションなども、そのほぼ全てが、なんらかのライセンス（使用許諾条件）に添った形で配布・提供されているのです。 著作権を有する制作者本人が示す使用許諾条件を守る事は、制作者への敬意であると同時に、意図しない「著作権の侵害」を未然に防ぐ手段でもあります。 しかし、このライセンスというのが、なかなかに分かり難い。コムズカシイ文言の洪水だったり、そもそも英文だったり、GPLとかLGPLとかCCとか略語まみれだった
Pythonで3層パーセプトロンの誤差逆伝播を実装してみる - TadaoYamaokaの開発日記
入力層、隠れ層、出力層で構成される単純なニューラルネットワークで、 誤差逆伝播を計算します。 隠れ層の活性化関数はsigmoid、 出力層の活性化関数はsoftmaxとします。 誤差関数(損失関数)は、交差エントロピーを使用します。 それぞれの式は以下の通りです。 sigmoid: softmax: softmaxの交差エントロピー: ここで、は各層の入力ベクトル、は教師データのベクトル、は出力層の出力ベクトルとします。 ネットワークのパラメータの行列は、 1層目を、 2層目をで表します。 行列の成分の添え字は、jが出力側のベクトル成分、iが入力側のベクトル成分を表します。 上付きの数字nは、何番目の層かを表します。 順伝播 順伝播は、入力から出力を以下の式で計算します。 出力は、出力層の活性化関数にsoftmaxを使用しているので、ベクトルの各成分がクラスを表し、値がそのクラスに属する確
Raspberry Pi 3とUSBカメラで物体追跡カメラを作る
#!/usr/bin/python # -*- coding: utf-8 -*- import numpy as np import cv2 import time import pigpio pi = pigpio.pi() #x_move:range720-2370 #y_move:range1000-2315 def move(x_move, y_move): pi.set_servo_pulsewidth(4, x_move) pi.set_servo_pulsewidth(17, y_move) #X,Yのサーボで稼働させる範囲。適当によさげな範囲を指定。 X_MIN = 720 X_HOME = 1545 X_MAX = 2370 Y_MIN = 1000 Y_HOME = 1650 Y_MAX = 2300 #カメラの位置初期化 move(X_HOME, Y_HOME) #
OpenCVの入れ直し - siar
入れたOpenCVで某を動かしたくなったのですが, 安定版3.4.1が対応しておらず虚無になったので入れ直しました. 対応バージョンはちゃんと調べましょう.(自戒). いつも通り, 公式ページを参考にしました. OpenCV: Installation in Linux 古いもののアンインストール これは本当に適当に消しました. 詳しい方にコメントを欲しいところです. cmakeとかmakeをしたopencv/build/の中で $ sudo make install $ sudo make uninstall を実行します. installの方は, 念の為です. 後は片っ端から消しました. まずはmake uninstallしたソースディレクトリを丸ごと. 次に, 残骸を. 自分は/usr/localをインストール先に指定していたので, /usr/local/libとusr/local/
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
技術ウィキ - ディーズガレージ wiki
法科学鑑定研究所
