読者です 読者をやめる 読者になる 読者になる

人工知能のネタ

今日3回くらい調べたのに、すぐ忘れる。
なのでメモっとく。

多変量自己回帰

過去データから未来データを生成するときに使う。
多変量であるところに注目しています。

使い方わからないのでググる

2016~2017年 使用技能

ただただ列挙。

言語

Python:勉強レベル
Qt:がっつり、ほぼC++
QML:勉強レベル
HTML5:勉強レベル
Objective-C:そこそこ
Android-Java:そこそこ
C/C++:がっつり

プラットフォーム

Yocto
Debian/Ubuntu
HEW
mbed
MSVC
Android Studio
XCode
Qt Creator

いろいろやれて充実してます。
C/C++技術者なのでお察し。

Pepperの記録

会社にPepperが来た。
プログラミングしたいのだが、業務が忙しくて触れていない。

Pepperとのやりとりくらいしか、できることがないが、
まぁ思ったことをメモっておく。

・はじめは、いろいろしゃべって興味があった
・適当なことを話し始める
・人の話をきかない
・タッチパネルのききがわるい
音声認識が弱い
・しゃべっても反応しない
・声かけてるのに別のことをしゃべりだす

出来の悪いこどもを相手にしている感じだった。
なので週末に実在するこどもをPepperに会わせてみた。
こどもなら会話が成立するだろうか。

結果

・話かけても反応がないので、飽きてしまった
・タッチパネルのYouTubeを見たかったらしい
・だが見れなかった

子供のほうが反応はシビアかもしれない。

他のおもったこと

・結構場所をとる。→ 椅子に座れたらいいね。

文字エンコードを変換する

お題はありふれたもので、いろいろなブログで語られているものです。
実際の作業では、足りない点もあるので、補足するメモです。

ここでの紹介は、

半角カタカナが全角カタカナになる
・"~"が一致しない文字コードになる
・文字エンコードが混在している
といったときの対処メモです。

目的

マルチプラットフォームで開発していると、ソースコードの文字エンコードが統一されず、困ることがあります。

実際に統一する場合、UTF-8 BOM付きになることが多いと思います。
理由は、BOMが付くことでファイルフォーマットが確定すること。
バイト文字が使えること。
多くの開発ツールがサポートしていること。

などが挙げられます。

 文字エンコードの知識

文字エンコード変換で一番困るのが、Windows上のShiftJIS日本語入りのソースコードUTF-8(BOM)に変換する場合です。
Windwosで作ったShiftJISファイルはCP932と呼ばれるShiftJISの亜種みたいなもので、ISO規格のShiftJIS=ISO-2022-JPと違います。
CP932をISO-2022-JPとして変換すると、半角カタカナが全角になったり、"~"が一致しない文字コードになったりします。

変換ツール

変換ツールは、"nkf"を使います。
Linuxですが、機能が使いやすいです。
WindwosからはVM経由の共有フォルダで、Windwos上のファイルを変換できますので、LinuxがゲストOSのVMを使います。(cgwinでもいいですよ)

コマンド

Windwos用のShiftJISファイルをUTF-8 BOM付きにするコマンド。

nkf --ic=CP932 --oc=UTF-8-BOM --overwrite filename

ファイルがわかっている場合や少ない場合は、これでいいです。
半角カタカナが全角カタカナになる
・"~"が一致しない文字コードになる
が解決します。

 

ファイルが多い場合や、一部のファイルがUTF-8だった場合はどうでしょう。

--ic=932 は「入力ファイルは、CP932形式ですよ」と教えているのに、実際のファイルがUTF-8だったら変換後のファイルは文字化けしてしまいます。

--ic を省略すると入力ファイルを自動で解釈してくれまが、ShiftJISファイルを自動解釈するとISO-2022-JPで解釈されるので、半角カタカナ問題を解決できません。

そこで、全ファイルをまずCP932にしちゃいます。

find . -type f | xargs nkf --oc=CP932 --overwrite

次に、UTF-8 BOM付きに変換です。

find . -type f | xargs nkf --ic=CP932 --oc=UTF-8-BOM --overwrite

2回に分けているのは、UTF-8依存文字が欠落するので、差分を取って後で直せるようにしています。--overwriteで上書きしているのでコピーを忘れずに。

・文字エンコードが混在している
の解決方法でした。

ついでに

解決できない問題。
・CP932をUTF-8ISO-2022-JPで誤変換したファイルを元ファイルに戻したい

CP932は半角・全角カタカナが混在しますが、ISO-2022-JPUTF-8に変換すると、どちらも全角カタカナになります。
その後、UTF-8からCP932にしようとしても、元のファイルが半角だったか全角だったか情報がなくなっているので、戻すことはできません。

Apple Developer Programの法人登録(2016/9/28)

お題の通り。時間がたつとサイト内容が変わるので、
ネットで調べた内容と実際の手順は結構ちがっていたりする。

というわけで、
やった手順をおさらいする。

Apple IDの取得
手順通りで問題なく取得終了。
法人登録なので、法人domainのメールアドレスにした。

Apple Developer Program

サポートを参考にやりました。

登録 - サポート - Apple Developer

「申請者が、企業、・・・」というところの行を読む。

 

手順

最初に同意が求められるので、チェック外して進む。
※チェックは2つともメール配信の有無なのでほしい人はそのままでOK

 

Apple Developer から「プログラム」→右上の「登録」ボタン

・「登録を開始する」ボタン

ここで英語のページに飛ぶ。

・Entity Type - Company / Organization を選択、「Continue」ボタン

・Authority to Sign Legal Agreements
会社の創立者、責任者かという項目(のはず)
社長や取締役なら上を、平社員(管理者)なら下を選ぶ。

・Verfication Contact
自分の情報を入れる。日本のCountry Codeは"81"です。

・Organization Information

会社の情報。ここが大変。
D-U-N-S Numberが必須。自社は登録済みだったので、照会でいけた。

登録が必要な方は、別サイトを参照ください。

国内の検索サイトもあるけど、Appleのサポートから照会したほうがいい。
理由はレスポンスが早い。英語で入力しないといけないが。。。

上記の日本語のサポートの「D-U-N-S 番号」の”詳細は~”リンクにいく
「D-U-N-S 番号検索ツール」のリンクにいく

"Look up your D-U-N-S Number"

ここから英語で入力。

全部入れたら「Continue」ボタン
住所は厳密じゃなくてもよさげ。
おそらくPOST number/Phone numberは正確にするべき。
選択できる会社がリストで出るので、自社を選んで「Continue」ボタン
D-U-N-S Numberが入ったメールが届きます。

Organization Information の 入力欄を埋めます。
会社名はD-U-N-S Number取得時に取れた英語の名前を使う。
D-U-N-S Numberを入力。
残り埋める。
「Continue」ボタン

確認フォームが表示され、D-U-N-S Numberが自社であればチェックつけて進む。
受け付けたよ、登録処理中になる。
完了メールが通知されるまで待ってね。

デバイスドライバ開発めも

LINUXでLANドライバを調査したときのめも。
Etherドライバだけ見てたので、他を見落としてた。

 

・Etherドライバ
IntelとかRealtekのコントローラチップ制御

・EtherPHY
MIIとかRGMIIの物理レイヤー

・EtherPHYを制御するインターフェース
MDIOなどのバスIF

 

・ソフトウェアの構成

Etherドライバ
+ BUS(BUS IF driver) / BUS interface
+ PHY(Driver PHY) / PHY device

BUS
+ PHY(Driver PHY) / PHY device

 

・Etherドライバ(driver/net/ethernet)
バスとPHY層を生成し、制御をする。
・BUS IF(driver/net/phy/mdio_bus.c)
接続されたPHYを制御する。
・PHYデバイス(driver/net/phy/phy_device.c)
制御コマンドを実行する。

Deep Learningのフレームワーク近況

慣れないPythonチュートリアルを勉強中。
課題でXOR分類器をコーディングしてみたり。

本題。

tensorflow
0.7.1がリリース。
Download and Setupの手順も更新されている。(こういうところ、すごく親切)

linux GPU版だけ引用する。

# Ubuntu/Linux 64-bit, GPU enabled:
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.7.1-cp27-none-linux_x86_64.whl

CUDA toolkit 7.5 と cuDNNのv4対応版のバイナリと思われる。

CNTK
特に動きはなさそう。
ImageReaderに手が入ったっぽい。

chainer
1.7.0がリリース。
こちらもcuDNN v4に対応したようだ。

整理すると、
・CUDA toolkit 7.5 + cuDNN v4
tensorflow 0.7.1
chainer 1.7.0
→ どちらも問題なくGPUで動作した。

・CUDA toolkit 7.0 + cuDNN v4
CNTK beta(2016.02.08)

以上。