8月の最終週にいい生活という会社のインターンに参加しました。期間は5日間でLINEのチャットボットを作成するというものでした。 やったこと 1日目 指定の時間に会社に来たらインターン生ぽい人が2人すでに来ていてスーツを着ててやらかしたかと思ったがあとに来た人たちが私服だったので安心した。 この日は講義をうけて作るもの班で決めるみたいな内容だった。あとは環境構築とか。 2日目 午前は実装を始めた。 お昼前に偉い人のお話を聞いてお寿司を食べた。 static 🍣🍣 pic.twitter.com/Y8X5NEvtxj— ちゃっく@IQ1エバンジェリスト (@chakku_000) 2017年8月29日 美味しかった。 午後も実装してたら進捗が良かったので明日くらいには終わるかなみたいな気持ちになってた。 夜はメンターの人たちと肉食べた。めっちゃおいしかった。 高い🍖 pic.twitte

久しぶりにブログを書いてみて reinsの紹介をしてなかったことを思い出したので、時間が経ってしまいましたが、ここで紹介します。 手綱を握れ！ 前からTwitterで流れてくる気に入ったイラストはちょくちょく保存していたのですが、1)いつからか保存の頻度が増え、iPhoneのサイズを圧迫したり、2)後から誰が描いたものかわからなかったり、3)見てないときに逃してるものがあるんじゃないかと、Twitterを見てる時間が増えたり、ちょっとモヤモヤすることが多くなっていました。 なので、 「画像を自動で保存して、リネームするツールを作ればいいな！」 と思い、機能を考えたのですが、バク管理システムとかも作ってたので、相変わらず手動保存していました。 奇遇ですね 秋葉原の銀座ライオンでオープン日に友達と飲みながらラブライブの話をしていたとき、ふとしたことでTwitterの画像収集ツール作ろうとしてい

This 3-hour course (video + slides) offers developers a quick introduction to deep-learning fundamentals, with some TensorFlow thrown into the bargain. ">This 3-hour course (video + slides) offers developers a quick introduction to deep-learning fundamentals, with some TensorFlow thrown into the bargain. Deep learning (aka neural networks) is a popular approach to building machine-learning models

この記事は旧バージョンの記事です。新バージョンの記事が「MacTeX 2019 のインストール＆日本語環境構築法」として公開されています。 doratex.hatenablog.jp （MacTeX 付属の mactex.jpg より） 数日前，とうとう TeX Live 2016 がリリースされました。TeX Live 2016 では， LuaTeX で El Capitan 付属の新ヒラギノフォント（OTC形式）が使えるようになった (x)dvipdfmx で \includegraphics の pagebox= オプションが使えるようになった など，一般ユーザにとってもメリットのある様々な改良がなされていますので，早速導入してみようと思っている人も多いことでしょう。 また，シーズン的に，大学に入学して心機一転，TeX を始めてみようという大学生の方も多いのではないでしょうか。 Ma

はじめに この投稿は僕の後輩含め、TeXで書きたい人に簡単に環境を構築してもらいたいと思い書きました。 うちの学科ナイズされている部分もあるかと思いますがご了承ください。 あと環境はMacでの構築になるのでWinの人はごめんなさい TeXって何？ 一言で言うと文書整形のためのシステムです WordやInDesignとかとなにが違うの？というと * 複雑な数式でもきれいに書ける * 論文に適している * Windows、Mac OS X、Linuxなど多くのOSで使える * フリーソフト TeXは便利ですが、文法を学ぶ必要があるので慣れるまでは少し時間がかかるかもしれません。それだけ覚えれば文書を書くことに集中できるのでとても便利です。（参考文献の引用なども簡単に出来ます。） 動作環境 Mac OSX 10.12 (Sierra) Atom 1.12.6 インストール Atomをインストール

2016-11-11 「ax.annotate 文字と矢印」を追加，見出しを微調整 2016-11-11 「Locator 目盛り位置」を追加 2016-12-16 「Locator 目盛り位置」をアップデート 2017-02-11 凡例を「枠外に出す」方法を追加

（ゆるいスキルアップ的な意味で）フロントエンドエンジニアが暇なときにやると良いかもしれないこと。 主観です。「これが良いよ！」というのがありましたら、ぜひ教えて下さい🙇 W3Cを読む whatwgを眺める。 ↑のissueを見る MDNを読む JavaScript CSS Web API NodeのAPIを読む caniuseを見る npmパッケージを眺める starが多い順 パッケージ一覧 ↑で１位のexpressが使っているパッケージ スライドを読む node学園 React.js Meetup Mediumを読む JavaScriptタグの記事 FrontEndタグの記事 Twitterで著名人をフォローする TBD @addyosmani @LeaVerou @paul_irish @BrendanEich Podcastを聞く Mozaic.fm Front-end Five

memo.sugyan.com の続き(？)。 この記事を書いたところ、「Ubuntu 16.04でもこうすれば簡単にCUDAインストールできるよ」とアドバイスをいただきました。ありがとうございます。 qiita.com というわけで これを使ってやってみた。 g2.2xlargeで、Ubuntu 16.04 LTS (Xenial Xerus)のAMIを使ってインスタンスを立ち上げ、上記記事の通りに操作するだけでCUDA 7.5, cuDNN 4がインストールされる。 あとは(自分はPython3.5を使うので) $ sudo yum install python3-pip $ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.9.0-cp35-cp35

研究で使用したので、自分用のメモで。ここらへんを参考にしてみた。 http://chick.g.hatena.ne.jp/allegro/20091010/p5 http://matplotlib.org/examples/api/fahrenheit_celcius_scales.html http://matplotlib.org/examples/pylab_examples/errorbar_demo.html http://www.comp.tmu.ac.jp/shintani/japanese/openUniversity/node31.html http://w.livedoor.jp/met-python/d/matplotlib#content_5_14 個人的に軸やラベルのフォントサイズがどうにかしたかったので、試行錯誤してたらこんなんでうまく行った。 # -*- co

前回は折れ線グラフを作成しました。 ただ、グラフにはx軸の名前だったり凡例だったりが必要ですよね。 今回はそういった内容をやります。 また、複数段にわたってプロットする方法を記します。 以前のお話はこちら matplotlibでグラフを書く - たこ焼き食べた.net 今回もほとんどの内容を公式サイトを参考に記しています。 Matplotlib: Python plotting — Matplotlib 3.0.3 documentation テキスト関連 グラフの軸だったりに表示するテキストの設定を行ないます。 今回は簡単に、軸とタイトル、凡例などのみです。 なお、matplotlibでは日本語の文字列を埋め込むことができませんのでご注意ください。 テキストを図中に埋め込んだり、矢印を描画する手法もありますが、今回は省略します。 というより使ったことがないので。。。 表なんかも埋め込める

縦軸が左右にある 2 軸グラフを作成するにはsubplotを定義したaxisともう一方の軸をtwinします。 Yahoo!より取得した電通の2015年9月の株価終値と出来高の加工済みデータをプロットしてみましょう。 import numpy as np import pandas as pd import matplotlib.pyplot as plt #データの読み込み data = pd.read_csv('dentu_stock.txt',delimiter='\t', index_col=0) data close turnover date 2015/9/18 6200 1049900 2015/9/17 6340 619100 2015/9/16 6320 774700 2015/9/15 6280 1202200 2015/9/14 6190 894200 2015/9/1

Pythonパッケージ集として人気のあるAnacondaに付属するcondaコマンドを使って、クリーンなPython環境を作ったり破棄したりする方法についてまとめました。 環境を作る myenvという名前のpython環境を作ってみましょう。 $ conda create --name myenv python とすると、myenvという名前の環境が作成されます。以下、--nameの代わりに-nでもOKです。 Pythonのバージョンを指定したい場合はpython=x.xなどと書きます。 $ conda create --name myenv python=3.3 追加のパッケージを入れたい場合はパッケージ名を羅列します。 $ conda create --name myenv numpy scipy パッケージ全部入りのpython環境を作るには最後をanacondaにします。 $ co

先日、Xcodeの操作が辛いので635円の無線マウスを買ったのですが、作業時は Macbook Air でもマウスを常用するようになりましたので、Google Chrome ブラウザ用のマウスジェスチャー拡張機能を入れました。 Firefox では、FireGestures :: Add-ons for Firefox という定番のマウスジェスチャ拡張機能を使っています。 Google Chrome でも FireGestures と同等のものを探しました。もっとも多用するのは、戻る/進む/タブを閉じるなど数種でそれらは必須。簡単に見つかるだろうと探し始めたのですが、結構苦労しました。 — 環境 — Google Chrome Version 42.0 smartUp Gestures 2.8 smartUp Gestures をインストールした 探すのに苦労した理由は Mac 版の Go

これで実行すると、長い処理だと処理が終わるまで何もできなくなって困る。タブを開いてもいいけどめんどくさいし、sshで接続してる時とかは通信が途切れても大丈夫なようにしないといけない。 その時に使うのが、nohupコマンドと&です。 このように、nohupと&で挟むだけでバックエンドで実行できます。 出力先を変える 普通に実行すると、nohup.outというファイルに結果が溜まってしまうので、また実行した時とかにもどんどん溜まり、gitで扱う時とかもファイルが大きくなってめんどくさくなる。 そこで、出力先を変更する。まずは出力先用ディレクトリを作ると便利。

プログラミングでよく使う英単語のまとめ【随時更新】 随時追加、整理していきます。 名前をつけるときには、名詞、動詞の違い、複数形、過去形などに注意しましょう。 オブジェクト指向では、クラス名は名詞、メソッドは動詞とします。 使ってはいけない言葉 get / set アクセサ (getter / setter) やプロパティによく使われている。 それ以外に使うと混乱を招くのでよくない。 get は軽量な処理と考えるので、中に重い処理は書いてはいけない。 単純な取得/設定以外で使いたくなったら他の言葉を考える。 load, save, commit, store, enable, disable, fetch, register, configure, add, etc... check 意味が広すぎて何をしているかわからない。 できるだけ別の言葉を使う。 具体的に何をしているかに分解して考え

学習や評価用の画像データをTensorFlowに与えるとき，JPEG，PNG画像をそのまま与えてもよいけれど，これらの教師ラベルや画像サイズ情報などとともにTFRecord形式のファイルに格納して使う方法が便利．公式ドキュメントで言う以下の説明の前半について，コード書いてみる． writerを生成する & 画像を読み込む TFRecordに詰め込みたい画像ファイルのパスとラベルの組を用意する．今回使用する画像は以下のような，576×576pxな正方形のJPEGファイル． img_data = [ ['./img/chicken_curry.jpg', 0], ['./img/tandoori_chicken.jpg', 1] ] TFRecordファイルの出力パスを指定して，TFRecordWriterを生成する． record_file = './foods.tfrecords' wri

# -*- coding: utf-8 -*- import tensorflow as tf csv_name = 'path/to/filelist.csv' fname_queue = tf.train.string_input_producer([csv_name]) reader = tf.TextLineReader() key, val = reader.read(fname_queue) fname, label = tf.decode_csv(val, [["aa"], [1]]) jpeg_r = tf.read_file(fname) image = tf.image.decode_jpeg(jpeg_r, channels=3) sess = tf.Session() init = tf.initialize_all_variables() sess.run(ini

-supervisor_labels_placeholder = tf.placeholder("float", [None, 3], name="supervisor_labels_placeholder") -input_placeholder = tf.placeholder("float", [None, 3], name="input_labels_placeholder") -feed_dict={input_placeholder: input, supervisor_labels_placeholder: winning_hands} -with tf.Session() as sess: - summary_writer = tf.train.SummaryWriter('data', graph_def=sess.graph_def) +with tf.Graph().

Tensorflowを２ヶ月触ったので"手書きひらがな"の識別95.04%で畳み込みニューラルネットワークをわかりやすく解説Python機械学習DeepLearning画像認識TensorFlow どうも、データセットの用意でバイナリーとの戦いを5時間繰り広げたあげく、記事に１日かかりました。丁寧に記事書くって大変ですね。うふふっ☆ 前回: 特にプログラマーでもデータサイエンティストでもないけど、Tensorflowを1ヶ月触ったので超分かりやすく解説 に続き、MNISTのエキスパート編を解説しようと思ったのですが、せっかくなので数字ではなくひらがなデータセット計71文字を識別していくなかで"畳み込みニューラルネットワーク"の解説をしたいと思います。 英語ではConvolutional Neural Networkなので以下CNNと呼びます コードはほぼTensorflowのチュートリアル