サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
掃除・片付け
qiita.com/mix_dvd
IPSecパススルーに対応していないルーターではL2TP/IPSecのVPN接続ができない!...いや、できるけどね。VPNipsecl2tp はじめに かなりどハマりしてしまって、七転八倒したから記録しておきます。 ネットで見つけた色々な情報を見ては試すというのを繰り返したのですが、意外と間違いも多く...インターネット上の情報は当てになるようなならないような...でも、結局はネットにある正しい情報に助けられて、インターネット様々です。 ...閑話休題。 ルーター BUFFALO WHR-600D 以下のページを見ると、IPSecには対応していない機器とのこと... VPNマルチパススルーに対応していますか?(Wi-Fiルーター、有線ルーター) 絶望した!IPSecに対応していない機器を買ってしまった自分に絶望した! ...閑話休題。 経緯 それはもう苦労しましたよ...最初はIPフィル
from glob import glob import pandas as pd ##### 電気使用量実績の読込 files = glob("juyo-*.csv") files.sort() df_kw = pd.DataFrame() for f in files: df_kw = pd.concat([df_kw, pd.read_csv(f,encoding="Shift_JIS",skiprows=2)]) df_kw = df_kw.reset_index(drop=True) df_kw["MW"] = df_kw["実績(万kW)"] * 10 df_kw.index = df_kw.index.map(lambda _: pd.to_datetime(df_kw.DATE[_] + " " + df_kw.TIME[_])) ##### 気温データの読込 # 気温デー
はじめに Web上で継続的に公開している電力使用量予測について、新型コロナウイルス感染症の影響からか予測の精度がイマイチになってきた感じがしているところです。 電力使用量予測 predicted by blueOmega そろそろ再学習させてみようかなと思ったところで、先日開発した気象予報値取得APIを利用する方法を試してみたのでその手順をまとめてみます。 ちなみに、気象予報値取得APIの紹介記事は以下をご参照下さい。 気象予報値などをAPIで取得できるサービスのテスト版を公開してみた 学習用データの取得 でんき予報 | 中国電力ネットワーク 上記ページの「過去の電気使用実績」から2019年、2020年の実績をダウンロードします。 気象庁 | 過去の気象データ・ダウンロード 上記ページより、広島と松江における1時間ごとの気温データを2019年4月から2020年12月の期間分取得します。 1
はじめに お家で仕事することが多くなり、多くの人が「みんなきちんと家で仕事してるのか?」という不安を抱えているという話を聞いています。 そもそも不安になること自体がおかしいことかなと思いますが、上司が不安になると自分が困ることになる人もいるのかなと思ったりもします。 ということで、パソコンを使っている時にリアルタイムで使用しているアプリの情報を収集できればその不安も少しは低減できるのではないかと考え、方法を検討してみました。 ここでは、「アクティブウィンドウを変更するたびにアクティブウインドウのタイトルを取得して表示する」という方法をまとめてみます。 動作環境 macOS Move Windows10 Pro Python3.7 ライブラリのインストール Macを操作するライブラリ Macの方は以下のコマンドで必要なライブラリをインストールして下さい。 #!/usr/bin/env pyt
はじめに 小売店舗の経営者さんから「監視カメラの映像を使って来店客の分析をしたいけど、何か方法ないかな?」と質問があり、詳しく聞いてみるとカメラ画像とレジデータの突合をし、商品を購入されたお客さんの性別や年齢と購入されたものを分析して、仕入れの計画を立てる参考資料にしたいとのこと。 ということで、手始めに監視カメラのことを調べ、監視カメラの画像をパソコンに取り込めるようにし、カメラの画像からレジでお会計をされた来店客を抽出して、時間ごとに表示することで、レジの記録と突合しやすくなるのかなと考え、試してみたら意外と簡単にできたので、以下に手順をまとめます。 なお、監視カメラはレジカウンターの斜め後ろ奥に設置され、レジカウンター越しに店内を映しています。 やったこと 監視カメラの画像をパソコンに取り込む 監視カメラの画像から人を抽出 抽出した人の状態を識別 動作環境 機器 監視カメラ(CVI方
畑に農作物を植えてみたけど、忙しくて毎日水やりにいけないのに日照り続きでどうしたものかと悩んでいたら、自動で散水する方法を思いついて試してみたという話Arduinoアグリテックスマート農業 はじめに タイトルのとおり、基本的に畑の観察も含めて足を運ぶようにしているのですが、どうしても行くことができない日があって、そういう時にかぎってむちゃくちゃ日差しが強かったりするので、これを「どげんかせんといかん」ということで、試行錯誤した結果をまとめてみます。 用意したもの 工進 家庭用バスポンプ KP-104 10L/分(3mホース使用) Arduino Nano V3.0互換ボード 1チャンネルリレーモジュール 多結晶ソーラーパネル 12Vシステム系 12V 12Ah 高性能シールドバッテリー DC-DC降圧パワーモジュール 12V/5V 回路図 組み立て バスポンプの電源ケーブルを切断し、12V
import cv2 import pandas as pd import numpy as np from sklearn import model_selection from sklearn.ensemble import RandomForestClassifier from sklearn import metrics # ラベルデータの読込 df = pd.read_csv("dat.csv") y = df["status"] # 画像データの読込 X = [] i = 16 for file in df.files: img = cv2.imread(file) # 画像サイズが大きいので縮小 img = cv2.resize(img, (int(1280/i), int(720/i))) X.append(img.flatten()) X = np.array(X) X.
機械学習の特徴量エンジニアリングをしていて行き詰まったから、主成分分析して2項目の角度を求めて追加してみたらこれが意外と精度向上につながって驚いているPython機械学習特徴量エンジニアリング はじめに ...とあるデータで機械学習をすることになり、それなりの精度にはなったものの、そこから精度があがらずに困っていたら、ふと思いついたので、軽い気持ちで試してみたのがタイトルのとおり。 ちなみに万能ではありません。 時系列で繰り返しが多いものに向いていて、離散的なものでは結果がでないような印象があります。 また、こういうことをやってはいけない場面もあると思いますので、ご利用は自己判断で... もし、何か理論的に間違っているところなどがあれば、コメントでご指摘頂けると助かります。 以上、そんな感じでも良ければお試しください。 やっていることの概要 サンプルコード(追加前) 諸事情により実際のコー
はじめに 最近の仕事で「文章を機械学習させる」という案件があり、これまでPythonでは経験があったから、せっかくRubyの街に住んでいるのでRubyでやってみよう...と思いましたが、意外と障壁が高かったのでPyCallを使うことにしました。 「Pythonでやるのと同じじゃないか!」と思われるかもしれませんが、細かなTipsがあるので参考までにまとめておきます。 ニュース記事の収集 ここでは、"AI"、"IoT"および"Robot"というキーワードで記事データを収集し、それぞれを以下のようにCSV形式で保存したファイルを作ります。 ファイル名は「news.csv」とします。 分類 記事
はじめに 数ヶ月前からExcelのファイルを開こうとすると「'〇〇.xlsx'の一部の内容に問題が見つかりました。可能な限り内容を回復しますか?ブックの発行元が信頼できる場合は、[はい]をクリックしてください。」という通知が表示されるようになりました。 「はい」をクリックして不要な情報を削除すると通常どおり使えるようになるのですが、保存時に名前をつけて保存する操作が必要になり、なんとなく困っていたのですが、ある操作をしたらここ数日出なくなったので、以下に手順をまとめます。 ファイルを閉じる前のひと手間 ファイルを保存する前にIMEを英数半角モードにして、セルに何か文字を入力してからそれを消して保存します。 以上。 とりあえず、いくつか通知の出ていたファイルで通知が出なくなってくれてとても嬉しい(^_^;) 追記 しばらくひと手間を心がけていてわかったこととして、一度上記の操作をしたファイル
はじめに 「音をテーマに機械学習の題材を調査する」という宿題を頂いたことから、一定のルールで継続的に音を収集する方法を検討したのでメモします。 ちなみに、環境設定などは以下の記事をご参照下さい。 Pythonで音を録音して可視化する 閾値を超えたら2秒間録音 以下のスクリプトを作成する。 #!/usr/bin/env python # ライブラリの読込 import pyaudio import wave import numpy as np from datetime import datetime # 音データフォーマット chunk = 1024 FORMAT = pyaudio.paInt16 CHANNELS = 1 RATE = 44100 RECORD_SECONDS = 2 # 閾値 threshold = 0.01 # 音の取込開始 p = pyaudio.PyAudio
はじめに OpenCVを使ったパターンマッチングで画像中の物体抽出 with Python 上記の記事を作成するにあたりOpenCVについて調べてみると、本当にいろいろなことができるみたいなので、とりあえず思いついたことを試してみることにしました。 ...ということで、名刺をカメラで撮影した画像を正面から撮影したかのように補正する「射影変換」の手順を以下にまとめます。 動作環境 項目 内容
はじめに これまで何度か紹介してきたPyCallですが、バージョンが1.0になって大幅にライブラリが変更されたので、新しいバージョンにあわせた使い方を紹介してみます。 mrkn/pycall.rb: Calling Python functions from the Ruby language インストール 以下のコマンドでインストールができます。
はじめに 中古パソコンを使って機械学習の環境を整備するということを始めたので、備忘のために手順をメモしておきます。 主な手順 CentOSのダウンロードとインストール yumにてPython3関連のソフトウェア取得 pip3にてPython3のライブラリ取得 Jupyter Notebookの設定 CentOSのダウンロードとインストール 以下のリンク先でisoファイルを入手できます。 Download CentOS isoファイルのデータをDVDまたはUSBメモリに書き込み、パソコンへインストールします。 インストールが終われば、再起動してログイン。 IPアドレスを確認するために以下のコマンドを実行。
はじめに 中古パソコンを使って機械学習の環境を整備するということを始めたので、備忘のために手順をメモしておきます。 主な手順 Ubuntuのダウンロードとインストール apt-getにてPython3関連のソフトウェア取得 pip3にてPython3のライブラリ取得 Jupyter Notebookの設定 OpenCVのインストール SSHの設定 Sambaの設定 OpenCV以降はおまけです。 Ubuntuのダウンロードとインストール 以下のリンク先でisoファイルを入手できます。 Get Ubuntu isoファイルのデータをDVDまたはUSBメモリに書き込み、パソコンへインストールします。 インストールが終われば、再起動してログインして以下のコマンドを実行。
環境構築手順 いつもの手前味噌ですが、以下のURLをご参照下さい。 Macで深層学習の環境をさくっと作る手順 with TensorFlow and OpenCV データのダウンロード オープンデータ一覧 | データシティ鯖江ポータルサイト 上記のWebサイトにて、「防災」のグループを選択すると以下の表記がありますので、「CSV」のボタンをクリックして、表示されたリンクからCSVをダウンロードします。 また、気象庁さんから過去の気象データがダウンロードできるので、福井市における1時間ごとの降水量のデータをダウンロードします。 気象庁 | 過去の気象データ・ダウンロード ライブラリの読込 Jupyter Notebookを使用し、以下のライブラリを読み込みます。 from ipywidgets import FloatProgress from IPython.display import
from IPython.display import display, Image def display_cv_image(image, format='.png'): decoded_bytes = cv2.imencode(format, image)[1].tobytes() display(Image(data=decoded_bytes)) # 画像読込 img1 = cv2.imread("IMG_4777.JPG") img2 = cv2.imread("IMG_4754s.JPG") # A-KAZE検出器の生成 detector = cv2.AKAZE_create() # 特徴量の検出と特徴量ベクトルの計算 kp1, des1 = detector.detectAndCompute(img1, None) kp2, des2 = detector.detectAnd
はじめに Raspberry PIにmotionというソフトウェアをインストールして監視カメラとして使用し、映った人が誰かを識別するという取り組みをしているのですが、保存された静止画を使って識別するだけなので、少々物足りない感じがしているこの頃。 せっかくなので、動画をリアルタイムで処理して何かできないかと思って情報収集していたら、関係ありそうな記事があったので参考にしながらリアルタイムに顔検出するスクリプトを作ってみました。 OpenCVでWebカメラ/ビデオカメラの動画をリアルタイムに変換してみる OpenCVのインストール 手前味噌ですが、インストール手順は以下の記事をご参照下さい。 Macで深層学習の環境をさくっと作る手順 with TensorFlow and OpenCV また、顔検出に使う識別器を以下のコマンドで作業フォルダにコピーしておきます。 $ cp /usr/loca
はじめに OpenCVやTensorFlowの使い方がそこそこわかってきたので、何かわかりやすいものを作ってみようかなと思っていたら、カメラの画像を取り込んでリアルタイムにエフェクトをかけるサンプルがあったので、これを参考にして顔画像から誰かを学習して、リアルタイムに顔から人を識別して画面に表示することを試してみました。 OpenCVでWebカメラ/ビデオカメラの動画をリアルタイムに変換してみる 環境 MacBook Air (13-inch, Early 2015) macOS Sierra 10.12.6 Python 3.6.0 :: Anaconda 4.3.1 (x86_64) OpenCV 3.3.0-rc TensorFlow 1.1.0 環境構築の手順は以下を参照。 Macで深層学習の環境をさくっと作る手順 with TensorFlow and OpenCV Ubuntu
require 'pycall/import' include PyCall::Import pyimport 'numpy', as: 'np' pyimport 'tensorflow', as: 'tf' # Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3 x_data = np.random.rand.(100).astype.(np.float32) y_data = x_data * 0.1 + 0.3 # Try to find values for W and b that compute y_data = W * x_data + b # (We know that W should be 0.1 and b 0.3, but Tensorflow will # figure that out f
はじめに 新しくMacBook Airを購入したので、これまで使っていたMacBook Airと同じ環境を構築するために必要な手順を整理します。 再セットアップをする時に困らないため自分用にメモしている感じですが、共有すると誰か他の人のためにもなるかもしれないと期待するところです。 主な手順 以下の順番でインストールします。 Xcode pyenv anaconda autoconf、automake、libtool、CMake OpenCV TensorFlow Xcode App Storeを起動してXcodeをインストール。 pyenvとanaconda 以下のスクリプトを作成して実行。 ※ ここでは2017年5月6日現在の最新版4.3.1のanacondaをインストールします。 git clone https://github.com/yyuu/pyenv.git ~/.pyenv
はじめに 先日、機械学習した結果を使って勘定科目を予測するプログラムを作成したのですが、予測結果の応答が異常に遅くて使いものにならないというご意見があったので、少し工夫してみました。 会計データを学習して、仕訳の入力時に摘要の内容から勘定科目を予測してみる - Qiita 応答の仕組み 学習結果をメモリー内に保持し、摘要を送信すると勘定科目を返してくるというものを簡易に実現するため、HTTPを利用することにしました。 そこで、PythonでHTTPサーバーを作成し、HTTPサーバー起動時に学習結果を読み込んでおき、GETで摘要を送信したら勘定科目を予測して返すというものにしてみました。 PythonでHTTPサーバーを構築 以下の記事を参考にしました。 Pythonで簡単にHTTPサーバを作る - Qiita 概ねそのまま使用しているのですが、BaseHTTPServerというライブラリが
はじめに 確定申告の時期になり、会計データを再確認すると勘定科目の間違いがちらほら見つかるので、機械学習で会計データを学習させて、勘定科目を予測できると良いのではないかと思い試してみました。 会計データの読込 会計ソフトからCSV形式でデータをエクスポートし、それを使います。 ちなみに、今回のデータは「JDL IBEX出納帳」というソフトのものを例に使用しています。 以下のコードでデータを読み込みます。 import pandas as pd filename = "JDL出納帳-xxxx-xxxx-仕訳.csv" df = pd.read_csv(filename, encoding="Shift-JIS", skiprows=3)
※ 最新版が公開されました。 ライブラリが更新され、かなり使い方が変わっています。 以下の記事にて新しいバージョンの説明をしてありますので、ご確認下さい。 PyCallを使ってRubyからPythonのライブラリを使い倒す はじめに mrknさんがPyCallというライブラリを開発されているので、早速試してみました。 インストール 2017年2月24日現在、以下の手順でインストールできるようになりました。 mrknさん、ありがとうございます。 旧インストール方法 備忘録的に残しておきます。 もし、上記手順でインストールできなかった場合にお試し下さい。 ソースコードがGitHubからダウンロードできます。 2017年2月23日現在、開発中のブランチからダウンロードするとのことだったので、以下のコマンドで入手しました。
はじめに Jupyter Notebookはインタラクティブにスクリプトの開発ができる素晴らしい開発環境なのですが、iRubyとして動作させると少し機能に見劣りするところが無きにしも非ず。 とりわけ、グラフを描画する部分について、幾つかライブラリがあるもののエクスポートを行う場合には、受け取り側でも同じライブラリがないと閲覧することができないという状況で、少し不便。 [参考ライブラリ] https://github.com/domitry/nyaplot https://github.com/rdp/ruby_gnuplot ということで、Pythonでmatplotlibを使った時のようにNotebookに保存できるグラフ環境が準備できないか調査してみましたので、その結果をまとめます。 ちなみに、昨日はchunky_png編を公開しています。 http://qiita.com/mix_d
はじめに 以前、同名のタイトルで投稿してからずいぶんと日数が経過し、少し熟れてきたので再度投稿してみます。 追記 2017/12/22に以下の記事を作成したので、あわせてご参照下さい。 TensorFlowで電力使用量予測 with Keras データ収集 まずは東京電力のサイトから電力需要のデータをダウンロードします。 http://www.tepco.co.jp/forecast/html/images/juyo-2016.csv ※2017/1/14現在、2016/4/1〜2016/12/31の一時間毎のデータをダウンロードできました。 また、URLを変更すると2014年のデータも入手できました。 http://www.tepco.co.jp/forecast/html/images/juyo-2014.csv ※2017/1/14現在、2015年のデータはからっぽでデータが入ってい
はじめに プログラミングをしていて、数の大きなデータを扱ったり、繰り返し処理を行っている時に「今、どのくらい終わっているのかな」と気になることがあると思いますが、Jupyter notebookでPrint文を多用すると少しわかりにくくなりますね。 そこで、アプリケーションをインストールする際に利用される進捗状況のプログレスバーをJupyter Notebookで使用する方法を紹介します。 サンプルコード Python 2系 from IPython.html.widgets import FloatProgress from IPython.display import display from time import sleep fp = FloatProgress(min=0, max=100) display(fp) for i in xrange(100): sleep(0.1)
はじめに 機械学習でどのくらい電力需要を予測できるのか試してみたので、その手順を整理します。 追記 この記事を書いてから半年が経ち、いろいろ新しいこともわかってきたので、パート2の記事を書いてみました。 機械学習で電力需要を予測してみる パート2 追々記 2017/12/22に以下の記事も作成したので、あわせてご参照下さい。 TensorFlowで電力使用量予測 with Keras 追々々記 2021/01/31に実際に未来を予測する記事を作成しているので、あわせてご参照下さい。 H2O.aiのAutoMLを使って電気使用量を学習し、気象予報値取得APIを使って数日後の電気使用量を予測してみる 使用した環境 機械: MacBook Air Mid 2012 言語: Python 3.5.1 実行: Jupyter notebook 4.2.1 ライブラリ: scikit-learn on
公式サイト 公式サイトにはラズパイ用のパッケージはありませんでした。 GitHub 探してみるとラズパイ用のパッケージがありました。 Pythonのインストール ラズパイの標準OS(Raspbian)には最初からインストールされていましたが、念のためインストール手順を書きます。
次のページ
このページを最初にブックマークしてみませんか?
『@mix_dvdのマイページ - Qiita』の新着エントリーを見る
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