pipでバージョン指定してインストール - QiitaRegister as a new user and use Qiita more conveniently You get articles that match your needsYou can efficiently read back useful informationYou can use dark themeWhat you can do with signing up
Jupyter Notebookを起動するとAttributeError: type object 'IOLoop' has no attribute 'initialized'とエラーが出る
Jupyterをインストール後、Jupyter Notebookを起動すると、下記のようなエラーが出てしまいます。 AttributeError: type object 'IOLoop' has no attribute 'initialized' GitHubにはissueがすでに上がっているそうで、 https://github.com/ipython/ipython/issues/8374 下記コマンドを実行して、tornadoというソフトをダウングレードすることで、一時的に回避できるそうです。 pip3 uninstall tornado pip3 install tornado==4.5.3
PythonとOpenCVを使って物体検出をやってみた - Qiita
はじめに こちらで顔の検出と抽出を行いましたが、あまり何も考えることなくコピペで実現できたのと、 今度は顔以外の物体の検出をやってみたくなったので、色々知識がないながらも見よう見まねで作ってみました。 TensorFlowを使ってDir en greyの顔分類器を作ってみた - ④顔抽出編 参考 opencv チュートリアル チャレンジ９ OpenCVにおける輪郭(領域) 環境 こちらをご覧ください。 TensorFlowを使ってDir en greyの顔分類器を作ってみた - ②環境構築編 使用する画像 あぽーです。 結果 以下の３つが検出されます。 以下の３つの矩形画像が出力されます。 ソースコード #!/usr/local/bin/python #! -*- coding: utf-8 -*- import cv2 import numpy as np # 指定した画像(path)の
ねこと画像処理 part 3 – Deep Learningで猫の品種識別 – Rest Term
ねこと画像処理。 (みかん – 吉祥寺 きゃりこ) 前回の ねこと画像処理 part 2 – 猫検出 では画像内の猫の顔を検出する方法を紹介しましたが、今回はディープラーニングの技術を用いて猫の品種を識別したいと思います。 学習データ ねこと画像処理 part 1 – 素材集めでは、自分で撮影した写真を学習データとして使うと書いたのですが、都内の猫カフェ等で出会える猫に限ってしまうと品種の偏りが大きくなってしまうので、ここではしぶしぶ研究用のデータセットを使うことにします。。ただ、Shiba Inuがあるのに日本が誇るMike Nekoが含まれていないのでデータセットとしての品質は悪いと思います。 The Oxford-IIIT-Pet dataset オックスフォード大学が公開している動物画像のデータセットです。その内猫画像は2400枚、クラス数は12で1クラスにつき200枚あります。今
Welcome | Flask (A Python Microframework)
Welcome to Flask¶ Welcome to Flask’s documentation. Get started with Installation and then get an overview with the Quickstart. There is also a more detailed Tutorial that shows how to create a small but complete application with Flask. Common patterns are described in the Patterns for Flask section. The rest of the docs describe each component of Flask in detail, with a full reference in the API
RとPythonでMeCabを使う環境構築(Windows, Mac) - ★データ解析備忘録★
自然言語処理まわりはずっとRでやっていたのですがそろそろPythonでもやろうと思い環境構築をまとめてみます。 ついでなのでRのほうもまとめてみます。 PythonについてはWindowsとMacで違うので一応そちらも触れたいと思います。Windows10とYosemiteです。 当たり前ですがRもPython3.5も入ってる前提です。 正直WindowsにMeCab入れてPythonでやるのは環境構築で挫折しそうになります。 でも何とかなったので共有。 MeCabを入れる Windows こちらのページからmecab-0.996.exeをダウンロードして解凍 辞書の文字コードを選択しろと言われるので「Shift-JIS」を選択 コマンドプロンプトでMeCabが動くかテスト mecab すもももももももものうち 結果 すもも 名詞,一般,*,*,*,*,すもも,スモモ,スモモ も 助詞,係
Pythonで株価を取得しグラフ表示する - Qiita
はじめに Python 用モジュールの pandas-datareaderで株価を取得し、Matplotlibでグラフ化する方法を紹介します。 開発環境 Windows 10 Pro (64-bit) Python 3.6.0 (64-bit) Anaconda 4.3.0 (64-bit) Jupyter QTConsole 4.2.1 pandas-datareader 0.4.0 Matplotlib 2.0.1 日経平均を取得してグラフに表示 FRED | St. Louis Fed のデータベースから 1970/05/16 ～ 2017/06/23 までの日経平均を取得してみます。 なお、本記事執筆時点（2017/06/26）では 1949/05/01 ～ 2017/06/23 までのデータを取得する事ができます。 最新情報は Nikkei Stock Average, Nikk
PythonでWebスクレイピングする時の知見をまとめておく - Stimulator
- はじめに - 最近はWebスクレイピングにお熱である。 趣味の機械学習のデータセット集めに利用したり、自身のカードの情報や各アカウントの支払い状況をスクレイピングしてスプレッドシートで管理したりしている。 最近この手の記事は多くあるものの「～してみた」から抜けた記事が見当たらないので、大規模に処理する場合も含めた大きめの記事として知見をまとめておく。 追記 2018/03/05： 大きな内容なのでここに追記します。 github.com phantomJSについての記載が記事内でありますが、phantomJSのメンテナが止めたニュースが記憶に新しいですが、上記issueにて正式にこれ以上バージョンアップされないとの通達。 記事内でも推奨していますがheadless Chrome等を使う方が良さそうです。 - アジェンダ - 主に以下のような話をします。 - はじめに - - アジェンダ
macでenscriptを使ってソースコードを見やすく印刷する - 剥いだ布団とメモランダム.old
研究をやっていたり、課題をこなしていたりすると、 ソースコードを印刷して提出しろということを言われたりします。 今まではeclipseの印刷機能を使ってみたり、wordの書式設定をいろいろいじってみたりしていたのですが、どれも面倒だったり見やすく印刷できなかったりするんですよね。 今回はenscriptというものを試してみたので、備忘録。 enscriptってなに 基本的にはテキストをPostScriptにして出力してくれるものです。（htmlなどにも出力できます） プログラムのコードを解析できて、予約語の強調表示や行番号表示などをしてくれます。 なので、それなりに見やすいソースコード印刷ができるぞっていう話です。 注意しておきたいのは、日本語非対応。残念。 enscriptを導入 homebrewをつかっているので、 $ brew install enscript でインストールしました
顔認証技術: DeepFace と Pyramid CNN - Preferred Networks Research & Development
得居です。3月下旬とは思えない寒さに凍えています。 Facebook が CVPR2014 に投稿しアクセプトされていた顔認証に関する論文 [1] が MIT Technology Review にて紹介されたことで注目を集めています。DeepFace と名付けられた手法で、同社が集めた4030人の顔写真440万枚を用いた大規模学習によってほぼ人間並の人物識別性能を達成しているということで、なかなかキャッチーな話題です。一方、Face++ という顔認証・分類のプラットフォームを展開する Megvii社 がつい先日公開したプレプリント [2] でも DeepFace と同程度の性能を達成しています。今日はこの2つの論文を解説します。 DeepFace の論文では、検出された顔矩形に対して以下の3つの処理を施しています。 矩形の2次元アラインメント 3次元モデルを用いた out-of-plan
YOLO: Real-Time Object Detection
How It Works Prior detection systems repurpose classifiers or localizers to perform detection. They apply the model to an image at multiple locations and scales. High scoring regions of the image are considered detections. We use a totally different approach. We apply a single neural network to the full image. This network divides the image into regions and predicts bounding boxes and probabilitie
初心者でも簡単にできるPythonの環境構築とエディタで実行する方法 - paiza times
秋山です。 今日はPythonの初歩的な環境構築について、公式サイトに従ったインストール手段の補足やAtomでの使い方とかを書いてみます。 バージョン管理、パッケージ管理などの話はひとまず置いておき、手元でPythonが実行できるまでを解説します。 環境構築というと難しいイメージのある方も多いかもしれませんが、Python初心者＆プログラミングの環境構築初心者の方の参考になればと思います。 ■MacOSの場合 MacOSには、デフォルトでPython2.7系がインストールされています。 ちょっとしたコードの実行や学習目的など、「それで充分」という人は、Terminalを起動して、下記のPythonコマンドを打てばそのまま使えちゃいます。 $ python --version python 2.7.10 $ which python /usr/bin/python ◆最新版を入れたい場合 ※
MacにAnacondaでPythonの開発環境を構築してみる
はじめに 今回はAnacondaを利用してPythonの開発環境を構築しています。 まず、Anacondaについてですが、簡単に言えば、Python本体に数値計算環境を構築するために様々なパッケージを加えたものです。Anacondaを利用すれば、一つ一つパッケージをインストールする手間も省けるので、Pythonによる数値計算環境を構築するのが非常に手軽になります。 Anaconda は、Continuum Analytics 社によって提供されている、Python 本体に加え、科学技術、数学、エンジニアリング、データ分析など、よく利用される Python パッケージ（2016 年 2 月時点で 400 以上）を一括でインストール可能にしたパッケージです。 引用：Anaconda を利用した Python のインストール 動作確認環境 OS:OS X Yosemite 10.10.5 Ana
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
TensorFlow RNN関連のimportやRNN(LSTM)Cellでエラーが出た場合の対処(v 0.11r~) - Qiita
Amazon.co.jp: Pythonクローリング＆スクレイピング ―データ収集・解析のための実践開発ガイド―: 加藤耕太: Digital Ebook Purchas
Python で「老人と海」を word2vec する
PythonのslackbotライブラリでSlackボットを作る - Qiita
言語処理100本ノック 2015
PIL（Python Imaging Library）を使って画像ファイルを作成する。 - Qiita
Google Colab
