プログラ虫

190606

2019-06-06T20:09:00.001+09:00

https://youtu.be/D2BIcURJeUQ

Study 4d

2019-05-17T18:39:00.001+09:00

I saw 4d movie pokemon. It's first time for me and very exiting. I think good idea.

opencv　物体検出

2019-04-27T09:03:00.000+09:00

・English and Japanese
・YouTube

・Cam
Logicool HD 720p

・Pi3

・openCV

OpenCVで簡単リアルタイム物体検出

Raspberry Pi 深層学習でリアルタイム顔認識（Keras・Open CV）

OpenCVを使った顔認識（Haar-like特徴分類器）

haarcascades

F190420

2019-04-20T09:16:00.001+09:00

Oh! Darling (Remastered 2009)

advice

実用英会話　レベル3

Understanding Second Law of Thermodynamics !

アニメ

モーター　原理

ステッピングモーターの基礎

https://www.orientalmotor.co.jp/om/knowledge/uroko_st/st02.html

ステッピングモータ

Newone 20個入り 1.5V-2V DC 2相4線マイクロステップモータ直径3.3mm エクストラマイクロスライダ

ステッピングモータ

おもちゃで解説。回転＆スライドを自在に操る方法 (2/2)

開閉機構リンク

開閉機構シリンダ

開閉機構

「箋」の書き方

ビデオチャット

2019-04-17T05:20:00.000+09:00

ビデオチャット作成

WebRTCでビデオチャットアプリを作ってみた！

ビデオチャット＆テキストチャット作成チュートリアル！WebRTCを簡単＆柔軟に使える「SkyWay」を使ってみよう

WebRTC Platform SkyWay ハンズオン SFU編

Blogger 数式

2019-04-06T11:50:00.001+09:00

Jupyter ノートブック

2019-04-06T08:32:00.001+09:00

google colab

2019-04-06T08:21:00.001+09:00

colabで物体検出

【秒速で無料GPUを使う】深層学習実践Tips on Colaboratory

【秒速で無料GPUを使う】TensorFow(Keras)/PyTorch/Chainer環境構築 on Colaboratory

・無料GPU

K80, 連続12hr利用可能

n1-highmem-2 instance

Ubuntu 18.04

2vCPU @ 2.2GHz

13GB RAM

(GPUなし/ TPU)40GB, (GPUあり)360GB Storage

GPU NVIDIA Tesla K80 12GB

アイドル状態が90分続くと停止

連続使用は最大12時間

Notebookサイズは最大20MB

それなりのサイズのdatasetをdisk上に持ってこれる

RAMはそんなにないので、Pythonのarrayでメモリ上に持っておく量は加減が必要

epochで使うdatasetが大量ならbatch毎に読み込むとか

tutorialとかをこなすには十分

Google colabを開く

https://colab.research.google.com/

新規ノートブックの作成

ファイル > Python3の新しいノートブック を選ぶ。

GPUをアサイン

画面上部のメニュー ランタイム > ランタイムのタイプを変更 で、 ノートブックの設定 を開く
ハードウェアアクセラレータに GPU を選択し、保存する

GPUが正しくアサインされたか確認

[+]コード から、コード入力用のセルを追加する
セルに下記を入力

import tensorflow as tf
tf.test.gpu_device_name()

矢印マークで実行

下記が出力されると、正しくGPUがアサインされている

'/device:GPU:0'

pythonのバージョン

!pip list

Package Version
------------------------ ---------------------
absl-py 0.7.1
alabaster 0.7.12
albumentations 0.1.12
altair 2.4.1
astor 0.7.1
astropy 3.0.5
atari-py 0.1.7
atomicwrites 1.3.0
attrs 19.1.0
audioread 2.1.6
autograd 1.2
Babel 2.6.0
backcall 0.1.0
backports.tempfile 1.0
backports.weakref 1.0.post1
beautifulsoup4 4.6.3
bleach 3.1.0
bokeh 1.0.4
boto 2.49.0
boto3 1.9.128
botocore 1.12.128
Bottleneck 1.2.1
branca 0.3.1
bs4 0.0.1
bz2file 0.98
cachetools 3.1.0
certifi 2019.3.9
cffi 1.12.2
chainer 5.0.0
chardet 3.0.4
Click 7.0
cloudpickle 0.6.1
cmake 3.12.0
colorlover 0.3.0
community 1.0.0b1
contextlib2 0.5.5
convertdate 2.1.3
coverage 3.7.1
coveralls 0.5
crcmod 1.7
cufflinks 0.14.6
cupy-cuda100 5.2.0
cvxopt 1.2.3
cvxpy 1.0.15
cycler 0.10.0
cymem 2.0.2
Cython 0.29.6
cytoolz 0.9.0.1
daft 0.0.4
dask 0.20.2
dataclasses 0.6
datascience 0.10.6
decorator 4.4.0
defusedxml 0.5.0
dill 0.2.9
distributed 1.25.3
Django 2.2
dlib 19.16.0
dm-sonnet 1.23
docopt 0.6.2
docutils 0.14
dopamine-rl 1.0.5
easydict 1.9
ecos 2.0.7.post1
editdistance 0.5.3
en-core-web-sm 2.0.0
entrypoints 0.3
enum34 1.1.6
ephem 3.7.6.0
et-xmlfile 1.0.1
fa2 0.3.5
fancyimpute 0.4.2
fastai 1.0.51
fastcache 1.0.2
fastdtw 0.3.2
fastprogress 0.1.20
fastrlock 0.4
fbprophet 0.4.post2
featuretools 0.4.1
filelock 3.0.10
fix-yahoo-finance 0.0.22
Flask 1.0.2
folium 0.8.3
future 0.16.0
gast 0.2.2
GDAL 2.2.2
gdown 3.6.4
gensim 3.6.0
geographiclib 1.49
geopy 1.17.0
gevent 1.4.0
gin-config 0.1.4
glob2 0.6
google 2.0.2
google-api-core 1.8.2
google-api-python-client 1.6.7
google-auth 1.4.2
google-auth-httplib2 0.0.3
google-auth-oauthlib 0.3.0
google-cloud-bigquery 1.8.1
google-cloud-core 0.29.1
google-cloud-language 1.0.2
google-cloud-storage 1.13.2
google-cloud-translate 1.3.3
google-colab 1.0.0
google-resumable-media 0.3.2
googleapis-common-protos 1.5.9
googledrivedownloader 0.3
graph-nets 1.0.3
graphviz 0.10.1
greenlet 0.4.15
grpcio 1.15.0
gspread 3.0.1
gspread-dataframe 3.0.2
gunicorn 19.9.0
gym 0.10.11
h5py 2.8.0
HeapDict 1.0.0
holidays 0.9.10
html5lib 1.0.1
httpimport 0.5.16
httplib2 0.11.3
humanize 0.5.1
hyperopt 0.1.2
ideep4py 2.0.0.post3
idna 2.6
image 1.5.27
imageio 2.4.1
imagesize 1.1.0
imbalanced-learn 0.4.3
imblearn 0.0
imgaug 0.2.8
imutils 0.5.2
inflect 2.1.0
intel-openmp 2019.0
intervaltree 2.1.0
ipykernel 4.6.1
ipython 5.5.0
ipython-genutils 0.2.0
ipython-sql 0.3.9
ipywidgets 7.4.2
itsdangerous 1.1.0
jdcal 1.4
jedi 0.13.3
jieba 0.39
Jinja2 2.10
jmespath 0.9.4
joblib 0.12.5
jpeg4py 0.1.4
jsonschema 2.6.0
jupyter 1.0.0
jupyter-client 5.2.4
jupyter-console 6.0.0
jupyter-core 4.4.0
kaggle 1.5.3
kapre 0.1.3.1
Keras 2.2.4
Keras-Applications 1.0.7
Keras-Preprocessing 1.0.9
keras-vis 0.4.1
kiwisolver 1.0.1
knnimpute 0.1.0
librosa 0.6.3
lightgbm 2.2.3
llvmlite 0.28.0
lmdb 0.94
lucid 0.3.8
lunardate 0.2.0
lxml 4.2.6
magenta 0.3.19
Markdown 3.1
MarkupSafe 1.1.1
matplotlib 3.0.3
matplotlib-venn 0.11.5
mesh-tensorflow 0.0.5
mido 1.2.6
mir-eval 0.5
missingno 0.4.1
mistune 0.8.4
mkl 2019.0
mlxtend 0.14.0
mock 2.0.0
more-itertools 7.0.0
moviepy 0.2.3.5
mpi4py 3.0.1
mpmath 1.1.0
msgpack 0.5.6
msgpack-numpy 0.4.3.2
multiprocess 0.70.7
multitasking 0.0.7
murmurhash 1.0.2
music21 5.5.0
natsort 5.5.0
nbconvert 5.4.1
nbformat 4.4.0
networkx 2.2
nibabel 2.3.3
nltk 3.2.5
nose 1.3.7
notebook 5.2.2
np-utils 0.5.10.0
numba 0.40.1
numexpr 2.6.9
numpy 1.14.6
nvidia-ml-py3 7.352.0
oauth2client 4.1.3
oauthlib 3.0.1
okgrade 0.4.3
olefile 0.46
opencv-contrib-python 3.4.3.18
opencv-python 3.4.5.20
openpyxl 2.5.9
osqp 0.5.0
packaging 19.0
pandas 0.22.0
pandas-datareader 0.7.0
pandas-gbq 0.4.1
pandas-profiling 1.4.1
pandocfilters 1.4.2
parso 0.3.4
pathlib 1.0.1
patsy 0.5.1
pbr 5.1.3
pexpect 4.6.0
pickleshare 0.7.5
Pillow 4.1.1
pip 19.0.3
pip-tools 3.4.0
plac 0.9.6
plotly 3.6.1
pluggy 0.7.1
portpicker 1.2.0
prefetch-generator 1.0.1
preshed 2.0.1
pretty-midi 0.2.8
prettytable 0.7.2
progressbar2 3.38.0
prometheus-client 0.6.0
promise 2.2.1
prompt-toolkit 1.0.15
protobuf 3.7.1
psutil 5.4.8
psycopg2 2.7.6.1
ptyprocess 0.6.0
py 1.8.0
pyasn1 0.4.5
pyasn1-modules 0.2.4
pycocotools 2.0.0
pycparser 2.19
pydot 1.3.0
pydot-ng 2.0.0
pydotplus 2.0.2
pyemd 0.5.1
pyglet 1.3.2
Pygments 2.1.3
pygobject 3.26.1
pymc3 3.6
pymongo 3.7.2
pymystem3 0.2.0
PyOpenGL 3.1.0
pyparsing 2.3.1
pyrsistent 0.14.11
pysndfile 1.3.2
PySocks 1.6.8
pystan 2.18.1.0
pytest 3.6.4
python-apt 1.6.3+ubuntu1
python-chess 0.23.11
python-dateutil 2.5.3
python-louvain 0.13
python-rtmidi 1.2.1
python-slugify 3.0.2
python-utils 2.3.0
pytz 2018.9
PyWavelets 1.0.2
PyYAML 3.13
pyzmq 17.0.0
qtconsole 4.4.3
regex 2018.1.10
requests 2.18.4
requests-oauthlib 1.2.0
resampy 0.2.1
retrying 1.3.3
rpy2 2.9.5
rsa 4.0
s3fs 0.2.0
s3transfer 0.2.0
scikit-image 0.13.1
scikit-learn 0.20.3
scipy 1.1.0
screen-resolution-extra 0.0.0
scs 2.1.0
seaborn 0.7.1
Send2Trash 1.5.0
setuptools 40.9.0
setuptools-git 1.2
Shapely 1.6.4.post2
simplegeneric 0.8.1
six 1.11.0
sklearn 0.0
smart-open 1.8.0
snowballstemmer 1.2.1
sortedcontainers 2.1.0
spacy 2.0.18
Sphinx 1.8.5
sphinxcontrib-websupport 1.1.0
SQLAlchemy 1.3.2
sqlparse 0.3.0
stable-baselines 2.2.1
statsmodels 0.8.0
sympy 1.1.1
tables 3.4.4
tabulate 0.8.3
tblib 1.3.2
tensor2tensor 1.11.0
tensorboard 1.13.1
tensorboardcolab 0.0.22
tensorflow 1.13.1
tensorflow-estimator 1.13.0
tensorflow-hub 0.4.0
tensorflow-metadata 0.13.0
tensorflow-probability 0.6.0
termcolor 1.1.0
terminado 0.8.2
testpath 0.4.2
text-unidecode 1.2
textblob 0.15.3
textgenrnn 1.4.1
tfds-nightly 1.0.1.dev201904030106
tflearn 0.3.2
Theano 1.0.4
thinc 6.12.1
toolz 0.9.0
torch 1.0.1.post2
torchsummary 1.5.1
torchtext 0.3.1
torchvision 0.2.2.post3
tornado 4.5.3
tqdm 4.28.1
traitlets 4.3.2
tweepy 3.6.0
typing 3.6.6
tzlocal 1.5.1
ujson 1.35
umap-learn 0.3.8
uritemplate 3.0.0
urllib3 1.22
vega-datasets 0.7.0
wcwidth 0.1.7
webencodings 0.5.1
Werkzeug 0.15.2
wheel 0.33.1
widgetsnbextension 3.4.2
wordcloud 1.5.0
wrapt 1.10.11
xarray 0.11.3
xgboost 0.7.post4
xkit 0.0.0
xlrd 1.1.0
xlwt 1.3.0
yellowbrick 0.9.1
zict 0.1.4
zmq 0.0.0

ubuntuのバージョン確認

!cat /etc/issue

Ubuntu 18.04.2 LTS \n \l

ディスク容量

!df -h

Filesystem Size Used Avail Use% Mounted on
overlay 359G 23G 318G 7% /
tmpfs 6.4G 0 6.4G 0% /dev
tmpfs 6.4G 0 6.4G 0% /sys/fs/cgroup
tmpfs 6.4G 12K 6.4G 1% /var/colab
/dev/sda1 365G 27G 339G 8% /opt/bin
shm 6.0G 0 6.0G 0% /dev/shm

tmpfs 6.4G 0 6.4G 0% /sys/firmware

RAM容量

!free -h

total used free shared buff/cache available
Mem: 12G 836M 9.9G 2.9M 2.0G 11G

Swap: 0B 0B 0B

CPU情報

!cat /proc/cpuinfo

processor : 0
vendor_id : GenuineIntel
cpu family : 6
model : 63
model name : Intel(R) Xeon(R) CPU @ 2.30GHz
stepping : 0
microcode : 0x1
cpu MHz : 2300.000
cache size : 46080 KB
physical id : 0
siblings : 2
core id : 0
cpu cores : 1
apicid : 0
initial apicid : 0
fpu : yes
fpu_exception : yes
cpuid level : 13
wp : yes
flags : fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush mmx fxsr sse sse2 ss ht syscall nx pdpe1gb rdtscp lm constant_tsc rep_good nopl xtopology nonstop_tsc cpuid tsc_known_freq pni pclmulqdq ssse3 fma cx16 pcid sse4_1 sse4_2 x2apic movbe popcnt aes xsave avx f16c rdrand hypervisor lahf_lm abm invpcid_single pti ssbd ibrs ibpb stibp fsgsbase tsc_adjust bmi1 avx2 smep bmi2 erms invpcid xsaveopt arat arch_capabilities
bugs : cpu_meltdown spectre_v1 spectre_v2 spec_store_bypass l1tf
bogomips : 4600.00
clflush size : 64
cache_alignment : 64
address sizes : 46 bits physical, 48 bits virtual
power management:

processor : 1
vendor_id : GenuineIntel
cpu family : 6
model : 63
model name : Intel(R) Xeon(R) CPU @ 2.30GHz
stepping : 0
microcode : 0x1
cpu MHz : 2300.000
cache size : 46080 KB
physical id : 0
siblings : 2
core id : 0
cpu cores : 1
apicid : 1
initial apicid : 1
fpu : yes
fpu_exception : yes
cpuid level : 13
wp : yes
flags : fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush mmx fxsr sse sse2 ss ht syscall nx pdpe1gb rdtscp lm constant_tsc rep_good nopl xtopology nonstop_tsc cpuid tsc_known_freq pni pclmulqdq ssse3 fma cx16 pcid sse4_1 sse4_2 x2apic movbe popcnt aes xsave avx f16c rdrand hypervisor lahf_lm abm invpcid_single pti ssbd ibrs ibpb stibp fsgsbase tsc_adjust bmi1 avx2 smep bmi2 erms invpcid xsaveopt arat arch_capabilities
bugs : cpu_meltdown spectre_v1 spectre_v2 spec_store_bypass l1tf
bogomips : 4600.00
clflush size : 64
cache_alignment : 64
address sizes : 46 bits physical, 48 bits virtual
power management:

GPU情報

!cat /proc/driver/nvidia/gpus/0000:00:04.0/information

Model: Tesla K80

IRQ: 33

GPU UUID: GPU-b326ec49-f657-ad75-b36d-bf455795f341

Video BIOS: 80.21.25.00.01

Bus Type: PCI

DMA Size: 40 bits

DMA Mask: 0xffffffffff

Bus Location: 0000:00:04.0

Device Minor: 0

Blacklisted: No

from tensorflow.python.client import device_lib

device_lib.list_local_devices()

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 17679820642583323928, name: "/device:XLA_CPU:0"
device_type: "XLA_CPU"
memory_limit: 17179869184
locality {
}
incarnation: 4994606220071157720
physical_device_desc: "device: XLA_CPU device", name: "/device:XLA_GPU:0"
device_type: "XLA_GPU"
memory_limit: 17179869184
locality {
}
incarnation: 10277020030904524337
physical_device_desc: "device: XLA_GPU device", name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 11276822119
locality {
bus_id: 1
links {
}
}
incarnation: 15587524712171966759
physical_device_desc: "device: 0, name: Tesla K80, pci bus id: 0000:00:04.0, compute capability: 3.7"]

CUDAバージョン

!nvcc --version

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018

Cuda compilation tools, release 10.0, V10.0.130

アサインGPU、Driverの確認

!nvidia-smi

Sun Apr 7 22:29:01 2019

+-----------------------------------------------------------------------------+

| NVIDIA-SMI 418.56 Driver Version: 410.79 CUDA Version: 10.0 |

|-------------------------------+----------------------+----------------------+

| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |

| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |

|===============================+======================+======================|

| 0 Tesla K80 Off | 00000000:00:04.0 Off | 0 |

| N/A 47C P0 54W / 149W | 121MiB / 11441MiB | 0% Default |

+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+

| Processes: GPU Memory |

| GPU PID Type Process name Usage |

|=============================================================================|

+-----------------------------------------------------------------------------+

cuDNNの確認

・初期設定

英語

2019-04-06T08:04:00.002+09:00

learnの発音

音声を聞いて発音修正

How often - ?

choreの意味

youtube

2019-04-05T20:15:00.003+09:00

anaconda tensorflow keras opencv

2019-04-05T20:15:00.001+09:00

流体力学有限要素法プログラム

2019-04-05T11:30:00.003+09:00

流体力学有限要素法プログラム

有限要素法・流体力学による数値計算

フリーのプログラム

python, VBAによるプログラム

物体検出

2019-04-05T11:04:00.000+09:00

物体検出方法のまとめ

Deepに理解する深層学習による物体検出 by Keras

各方式の図解説明、速度比較。

最新のRegion CNN(R-CNN)を用いた物体検出入門 ~物体検出とは? R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN~

動画認識 python

OpenCVカスケードファイル

OpenCVで簡単リアルタイム物体検出

SSD Keras

映像物体検出（SSD_Keras）を簡単に実装する方法 for maxOS

SSD(Keras / TensorFlow)でディープラーニングによる動画の物体検出を行う

PythonでOpenCVをはじめる（Windows10、Anaconda 2018.12、Python3.7.1、OpenCV4.0.0）

Port of Single Shot MultiBox Detector to Keras

YOLO

【簡単画像認識】物体検出の手法はSSDではなくYOLO。PythonとOpenCVで画像を切り取る。

YOLO9000

Windows 10上のDarknetでYolo v3をトレーニングしOpenCVから使ってみる

Faster RCNN

私がわかりにくいと思った「Faster RCNN」のポイントの解説

みんな大好き物体検出のデファクトスタンダードFaster R-CNNの特許を読んだ

Detectron

detectron

微分積分

2019-04-05T00:05:00.002+09:00

中学数学からはじめる微分積分

peer feedback

2019-04-04T05:13:00.000+09:00

・生徒が先生の立場になって、教える体験が良い。

Building Growth Mindset in the Classroom: Concrete Practices to Support Student Persistence

https://translate.google.com/translate?hl=ja&sl=en&u=https://en.wikipedia.org/wiki/Peer_feedback&prev=search

peer feedback

Morning Routines that Foster a Growth Mindset

The secrets of learning a new language | Lýdia Machová

ウェスト・フォーク・カーソン川カリフォルニア

2019-04-02T09:06:00.001+09:00

モクルア島ハワイ

アプリ広告

2019-04-02T07:51:00.001+09:00

個人で広告収入型スマホゲームを作ってみたまとめ

webgl 収入

プログラム学習

2019-04-01T05:42:00.000+09:00

ドットインストール

Swift

2019-04-01T05:39:00.000+09:00

iOSアプリ開発超入門！Xcodeの導入からSwiftを使ったHello Worldまで

swift mac

JavaScript Ⅰ

2019-03-31T11:16:00.001+09:00

https://prog-8.com/languages/es6

文字列と数値

1. JavaScript（ES6）を学ぼう

米10kgの袋の中身が鉄だったら何kgか？

2019-03-31T10:31:00.000+09:00

・米150gが180.39ml

米1合は150g

・米10kgを計算すると12026ml。

・鉄の密度は、7.874 g/cm³
^鉄

・米10kgの袋の中身が鉄だったら
　12026ml * 7.874 g/cm^{3 =}94.7kg

190331

2019-03-31T09:25:00.002+09:00

HTML & CSS 学習コース初級編

音声英文法①

　　　TensorFlow 音声認識

JavaScript Ⅰ

HTML & CSS 学習コース初級編

2019-03-31T09:23:00.002+09:00

学べるプログラミング言語一覧

(190330)
1～23まで実施。
(190331)
復習
HTMLに触れてみよう！
1. HTMLに触れてみよう！
2. 見出しと段落

音声英文法①

2019-03-31T09:00:00.000+09:00

・pythonで作成
　問題の音声
　回答の聞き取り

SVOC_SP_JP-1.py

SVOC_SP_EN-1.py

・プログラムは動くが、回答聞き取りで、認識率が悪い。

・改善案
　①Tensorflowのチュートリアル。英単語数種類の聞き取り。
　　回答をyes noで答えれば、認識率が非常に高くなると期待。

　②指などのジェスチャーで認識
　③数字、色パネルで認識

TensorFlow 音声認識

2019-03-31T08:59:00.002+09:00

TensorFlow : Tutorials : Sequences : 単純な音声認識

TensorFlow : Tutorials 音声認識

Simple Audio Recognition

・チュートリアルを勉強のためにまとめていく。

10 の異なる単語を認識する基本的な音声認識。
1 秒のオーディオクリップ
サイレンス, 未知の単語, “yes”, “no”, “up”, “down”, “left”, “right”, “on”, “off”, “stop”, または “go” のいずれかとして分類
モデルを取り Android アプリ内で実行可能。