少しでも安全にngrokを使用する(Basic認証) - Qiita
概要 前回ngrokの記事を書いて,実機での動作確認に活用できます~みたいなこと書きましたが, よくよく考えてみればランダムにサブドメインが設定されているとは言え,アクセス制限などされていないので普通にセキュリティ上良くない....ので 今回はngrokを少しでも安全に利用できるようにBasic認証を使用する方法書いてきます。 ngrok環境構築 細かい環境構築はngrok 導入方法を参考にしてください。 Basic認証使用手順 ngrokアカウント登録 まずはhttps://ngrok.com/ でアカウント登録をしてください。 ※無料版で大丈夫です。 authtokenをローカル環境で登録 authtoken取得 ↓のngrokのダッシュボードで Auth をクリックする https://dashboard.ngrok.com/get-started 遷移先に Your Tunnel
RaspberryPi で castv2-client を使ってGoogleHomeをしゃべらす - Qiita
はじめに これまでは google-home-notifier を使って RaspberryPi からGoogleHomeをしゃべらせていたのだが、RaspberryPi を構築しなおしたら全く動かん！色々調べてみたら動かない記事が沢山あって皆さん苦労しているようだ。castv2-client なるものでも GoogleHomeをしゃべらすことができるらしいのでやってみた。 環境 RaspberryPi 3B GoogleHome (私のはminiです) 母艦(Windowsマシン。何でも良い) Raspberry Pi OS RaspberryPiのインストールは済んでいるもとします。 ~ $ cat /proc/device-tree/model Raspberry Pi 3 Model B Rev 1.2 ~ $ lsb_release -a No LSB modules are a
pythonで上のディレクトリ内ファイルをimportする方法 - Qiita
はじめに 普段はC++を使っているのですが，Pythonで何気なくプログラミングをしていて，ソースコードが長くなることを避けるために関数のファイルを分割してimportをしようと思いました． 同じことで困る人もいると思ったので，素早く解決できることを願います．短気な方はこちらへジャンプしてください． 他のコードからもimportすることを見越して， $ tree . ├── dir1 │ ├── mod1.py │ ├── mod2.py │ └── mod3.py └── dir2 └── main.py のようなフォルダ構造でやろうと思っていました． また，書くときに面倒にならないように，dir1.mod1.func1() のようではなく，func1()と関数を使用できるようにしたかった． 問題
labelImgで自前の学習データを作ってYOLOv3で学習させる - Qiita
目的 YOLOv3を使ってobject detectionをするため 環境 ubuntu16.04 Geforce 1080ti YOLOv3(YOLOのインストール方法はこちら） だいじポイント YOLOはjpg対応です。 拡張子.jpgを探しているみたいなので.jpegもだめです。 集めた画像は.jpgに変換して準備します。 画像が.jpegになっていて少々時間を取りました… また、画質が良すぎてもメモリが足りなくなるし、悪すぎても計算がうまくできないらしいので、 画像は程よいサイズが良いです。100kBくらい？ 画像を集めてくる 今回はちょっとした実験なので250枚くらいを使って学習してみます。 labelImgのインストール [github] https://github.com/tzutalin/labelImg まず、色々必要なものをインストール sudo apt instal
GASをGitHubで簡単管理可能なChrome拡張機能 ～導入時に躓いたこと～ - Qiita
概要 背景 GASのスクリプトエディタ画面にて簡単にGitHubでソースコードのバージョン管理が可能な、Chromeの拡張機能を導入したので、簡単な手順とちょっとだけ躓いた部分を備忘録として残しています。 (2020/11 追記) 久しぶりに新しいアカウントでGoogle Apps Script GitHub アシスタントの設定を行ったところ、 SCMの連携でusername passwordでの認証が何故か通らなかったので、tokenでの設定方法を追記しました。 ▼Chrome拡張機能 Google Apps Script GitHub アシスタント 「Google Apps Script GitHub アシスタント」とは Chromeの拡張機能 GASのスクリプトエディタ画面上から簡単にGitHubのリポジトリに連携が行える GASのスクリプトエディタ画面上から簡単にPushやPull
Optunaでおいしいコーヒーの淹れ方を探索する - Qiita
はじめに 年末年始の休みに入ってすでに4日目。休みでやろうと思ったことが一通り終わってしまいました。今日からいつも行っているカフェが休みだし、暇すぎ・・・ということで、勢いに任せてOptunaでコーヒーの淹れ方の最適化始めました。 はじめようと思い立ったのが今日なので、全然データがないですが、Google Colabで作ったサンプルコードもあげておきます。 https://github.com/shu65/coffee-tuning/blob/main/coffee_tuning_blog%E7%94%A8.ipynb Optunaとは？ Optunaは機械学習などで必要になるハイパーパラメータの最適化を自動で行ってくれるオープンソースのフレームワークです。個人的に気に入っている特徴としては、従来からハイパーパラメータ最適化を自動でやってくれるものはいくつかありますが、OptunaはDef
Gephiを新しくインストールする方へ。 - Qiita
単純に自分用のメモです。 Gephiを日本語のサイトからインストールしようとすると、立ち上がりません。 日本語サイトの情報はかなり古いです。 Gephiをインストールするにはこれから紹介する2つの手順を踏んでください。 1.最新のGephiを英語サイトからダウンロード 下記のサイトからダウンロードしてください。 英語公式サイト 日本語サイトと英語サイトのバージョンの違い 私の執筆時で、 日本語サイト・・・ver0.8 英語サイト・・・ver0.9.2 2.Javaの64bit版をダウンロード 皆さんが普段インストールしているJavaはおそらく32bit版です。 下記のサイトから64bit版をインストールしてください。 https://java.com/ja/download/manual.jsp リンク先のオフライン(64ビット)をインストールしてください。 私がはまったミスなので、どこか
YouTube Data APIのクォータ数増加申請が通った件の振り返り - Qiita
申請が通って増えたので振り返り。 概要 YouTube Data APIは1日に利用できる回数(クォータ、Quota)が決まっている。 APIキーの初回発行時には10,000クォータ。 利用するAPI毎に消費するクォータが決まっていて、検索(search)なら1回100Quota。Channel情報取得(channels)なら1回1Quota。 機能がかなり制限されてしまうので、増加の申請を行った。 申請内容ざっくりと引っかかった項目 申請フォームにて必要事項を記入し申請した。 日本語でのフォームがないので、各項目毎にGoogle翻訳をかけ、回答も英語で記入した。 Quota増加の申請なので最初の項目は「Quota Extension Request」と記入。 Your organization's website * httpではダメ、httpsは必須(YouTube APIの利用規約に
YouTube Data API v3 クォータ制限について その1 - Qiita
プログラミング初心者が自身で作りたいwebページの作成中に 疑問に思ったこと、問題解決したことを書いていきます。 間違っている点も多々あると思います。 突然、YouTube Data API v3 で取得していた動画情報が取得できなくなってしまった YouTubeの動画URLを入力すればカテゴリ別に仕分けしてDBに登録し、リスト形式で表示するというwebアプリを作った。 動画情報をYouTube Data API v3を用いてリスト形式で表示させるというものだったが 突然動画情報が取得できなくなってしまった。 1.原因の調査 原因を調査したところ、GoogleのAPIでは1日に使用できる「クォータ(Queries)(？)」の制限があるとのこと。 コンソール こちらにアクセスしたところ確かにいっぱいだった・・・ (連日上限まで気づかずに使っていたみたい・・・) 1日のクォータ数の上限は10,
【Python】YouTube Data API を使って、いろんな情報を取得してみた！ - Qiita
はじめに YouTube Data API を触る機会があったので、情報をまとめたいと思います。 YouTube Data API とは YouTube が提供している API で、動画やチャンネルなど情報を取得して、自分の Web サイトやアプリケーションで使用することができます。 一日あたりのAPI使用量（クォータ）の上限が10000になっているので、注意して使用してください。 API キーを取得する Google Cloud Platform で プロジェクトを作成 ここから プロジェクトを作成します。 プロジェクト名は任意で、 プロジェクト ID は忘れずに変更しましょう。 YouTube Data API v３ を有効化 作成したプロジェクトで YouTube Data API を使用するため、有効にします。 ここからプロジェクトを選択した後、有効にします。 認証情報の作成 ここ
Youtube Data APIを使ってPythonでYoutubeデータを取得する - Qiita
はじめに 最近、APIを用いて色々なデータを取得できないかを調べています。 Youtube Data APIを使用して動画の再生回数やいいね数などの情報取得する方法を調べて実践したので覚書的に記事にまとました。 参考 Youtube Data APIの使用に当たって下記を参考にいたしました。 PythonでYoutube動画検索 YouTube Data API の概要 Youtube Data API のリファレンス APIの使用準備 Youtube Data APIの登録 Youtube Data APIの取得にはまずGoogleアカウントが必要になります。 下記手順でYotube Data APIの登録を行い、APIキーを取得します。 Google Cloud Platformにアクセスした後新しいプロジェクトを作成 新たに作成したプロジェクトにチェックを入れた状態で「APIとサービ
pLSAとNMFが等価なのか確かめてみた - Qiita
この記事は古川研究室 Advent_calendar 10日目の記事です。 本記事は古川研究室の学生が学習の一環として書いたものです。内容が曖昧であったり表現が多少異なったりする場合があります。 はじめに 文書をクラスタリングする有名な手法として非負値行列因子分解(NMF)や確率的潜在意味解析(pLSA)があります. ２つの手法は実は等価であるらしいので参考論文を読んでメモ書き程度に自分なりにまとめてみました. 詳しくは参考資料をみてください. 与えられるデータについて 各文書を単語の出現頻度で表現するBag of Wordsの形で文書を表現します. $F_{ij}$は$\sum_{i}^{I} \sum_{j}^{J} F_{ij}=1$を満たし、単語$w_i$が文書$d_j$での出現する確率を$p(w_i,d_j)$を表しています. $M$: 単語数 $N$: 文書数 データ行列: $
M1 Macの開発環境 - Qiita
MacBook Pro (M1)でのメモです。インストールできるかどうか状況確認メモです。 自分がよく使うものを中心に。なるべくARMネイティブになるように。もしプライマリーで提供されているインストール手段（.dmg利用など）でARM対応が済んでいればそれを紹介しますが、もしそれで対応していない場合にはMacPortsやソースビルドなどの結果も合わせて紹介します。 PowerPC->x86->x86_64とユニバーサルバイナリを挟んで対応してきたMacPortsはこういう過渡期に強いです。 なお、ここで紹介するバージョンは最新版から古い可能性がありますが、「M1サポートが追加された前後のバージョン」を明記するのを目標にしていますので、これより新しければ問題ないと見てもらえればと思います。 編集リクエストウェルカムです。 現在の状況 IDE/エディタ Eclipseはあまりきちんと試していま
リモートサーバでjupyter notebookを起動させローカル環境で使う - Qiita
#やりたいこと 高性能GPU搭載サーバに自分のmacでリモート接続(今回はローカルLAN環境) リモート上でJupyter Notebookを起動しプログラムの実装・実行 #環境 Python 3.5.2 macOS Sierra 10.12.6 #実装 まずJupyter Notebookをインストール pip install jupyter ipythonを起動してJupyterログイン時のパスワードを設定 $ ipython In [1]: from notebook.auth import passwd In [2]: passwd() Enter password: [パスワードを入力] Verify password: [パスワードを再度入力] Out[2]: 'sha1: [ハッシュ化されたパスワード]'
qiita記事にDTM適用してみた - Qiita
はじめに qiita記事にLDA・HDPを適用してみたの続き。 モチベーション 技術の時系列変化、例えば、AIとかコンテナとかの流行が見えるか見てみたかった。とはいえ、前回、トピック分類に若干失敗していたので、期待半分。 対象文書 前回の記事と同じくqiitaの記事です。 使ったライブラリ Dynamic Topic Modelsもgensimで利用できるのでこれを使います。 https://radimrehurek.com/gensim/models/wrappers/dtmmodel.html 参考記事 DTMについて トピックモデルシリーズ 7 DTM （Dynamic Topic Model） の一種 トピックモデルの応用： 関係データ、ネットワークデータ 驚異のアニヲタ社会復帰への道 DTM解析 gensimの利用方法について https://markroxor.github.i
[Catalina]“java”コマンドラインツールを使用するには、JDKをインストールする必要があります。 - Qiita
[Catalina]“java”コマンドラインツールを使用するには、JDKをインストールする必要があります。MacTerminalJDKCatalina terminalを開いたときに出てくる、あのポップアップを消したい いつもいつも出てくるこいつ…。 環境 macOS Catalina バージョン10.15.1 64bit まずmacOS Mojave以前での解決策を試してみる -> 効かない 試したのはコレ。 でも、インストール中に「インストールできません」となりインストールできず。。 解決策 セーフモードで立ち上げてもぽっぷあっぴんぐされるので、サードパーティ製アプリケーションは関係なさそう。。 結局、OracleのサイトからJDKをインストール・PC再起動すると、ポップアップが出てこなくなりました。 （自分のPC環境はMacの64bitなので、上のページの「jdk-8u231-ma
![[Catalina]“java”コマンドラインツールを使用するには、JDKをインストールする必要があります。 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/439c3bb05252300fbb373708e722405ac25310d4/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB5b3NoaS1oZWl0YSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9MTJkZjQxMjQxYmRlMTI3MDczMTlmMzdkMjVjNDEyNDY%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D622d9ebe1a67113ea72a2fe253af66d5)
教師なしLDAから、半教師有りLDA（ガイド付きLDA）へ - Qiita
教師有りLDAモデルを使って、何か面白いことができないか調べてみたいと思います。 今回は、そもそも日本語での教師有りLDAモデルの解説記事が少なかったようなので、参考になったVikash Singh氏の英語版の記事の流れに沿って、半教師有りLDA（ガイド付きLDA）を解説していきたいと思います。 【元記事】 「How our startup switched from Unsupervised LDA to Semi-Supervised GuidedLDA」 LDA（トピックモデル）とは何か？ ニュース記事のような文章を、「政治」「スポーツ」「科学」などのトピックに分けるモデルを、トピックモデルと呼びます。LDAはトピックモデルを構築するための手法の一つです。 以下で例を見ていきます。 この6つの文章を読み、以下のようにトピックに分類することは、人間にとっては難しくないはずです。 １.と
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
aws lambda file書き込む時のエラー - Qiita
boto3を使ってS3をごにょごにょする - Qiita
Ubuntuに最新のNode.jsを難なくインストールする - Qiita
