WSLでの和暦→西暦プログラムの実行

WSLでの和暦→西暦プログラムの実行

①Library→USBメモリー
②USBメモリ-→WSLのディレクトリに
③S_JIS→UTF-8
④Python3の実行(elif07.py)
⑤元号、数字、年(全角)の入力
⑥デリミターは半角(または全角)
⑦数字も半角(または全角)
アイキャッチ画像を参照ください。

↑人気ブログランキングに参加しています。よろしければ1票を!

Atom-WSL-PyCharm相関図その2

190625

Atom-WSL-PyCharm相関図その2

2019/06/25
Atom
① 印刷できない。
② Flaskがない。
③ データベースがない。
④ Moduleの管理が難しい。
⑤ Pythonの各属性を色表示できる。
⑥ JupyterのModuleを引き込むことができる。
⑦ Hydrogenでstep by stepのデバッグができる。(◎)
⑧ Windows特にExplorerが生で使える。
⑨ Demo Programが多数存在する。(◎)
⑩ 「elif」「else」がエラーになるバグがある。
⑪ Pycharmとモジュールの共存できる。

WSL(Windows Subsystem for Linux)
① 印刷できない。
② データベースがない。
③ Jupyterのmoduleを引き込むことができない。
④ Step by stepのデバッグができない。
⑤ Windowsとのやり取りがUSB経由である。
⑥ Pythonの各属性を色表示できる。(◎)
⑦ Flask環境下でデバッグできる。(◎)
⑧ Linuxのコマンドがじかに実行できる。(◎)
⑨ Moduleの管理が比較的しやすい。

PyCharm
① Step by stepのデバッグができない。
② 有料でないとSQLite3(DB)が使えない。
③ 慣れていない。
④ Linuxのコマンドが使えない。
⑤ Jupyter-notebookとの連携がとりにくい。
⑥ 有料でデータベースが使える。(◎)
⑦ 印刷ができる。(◎)
⑧ Atom下のモジュールと共存できる。(◎)
⑨ インタラクティブシェルで実行できる。「Python console」(◎)
⑩ Atomより貧弱であるが属性の色表示がされる。
⑪ パッケージの追加が簡単。

1. sinカーブなど: Atom Hydrogen(Shift + Enter)・PyCharm(Run) 可
2. Image: Atom Hydrogen・PyCharm 可
3. turtle: Atom(Alt + R)・PyCharm 可
4. pandas,numpy: Atom Hydrogen 可
5. flask demoxx: WSL(Ubuntu)・PyCharm 可

以上

↑人気ブログランキングに参加しています。よろしければ1票を!

メニューの追加(Python,lions,NHK超AI入門,Linux,WSL,レジストリ,システムジェネレーションetc.)

メニューの追加(Python,lions,NHK超AI入門,Linux,WSL,レジストリ,システムジェネレーション,Atom,Emacs,markdown,Python,Flask)

「野生の証明」のメニューに「Lions」、「展覧会」、「食事」、「NHK超AI入門」、「Linux」、「WSL」(Windows Subsystem for Linux)、「レジストリ」、「システムジェネレーション」、「Atom」、「Emacs」、「markdown」、「Python」を追加した。
アイキャッチ画像は「Linux」、「WSL」のパスを示している。
①「活動」→「趣味」→「lions」
①-1「活動」→「趣味」→「展覧会」
①-2「活動」→「趣味」→「食事」
②「コンピューター」→「ソフトウェア」→「Deep Learning」→「NHK超AI入門」
③「コンピューター」→「ソフトウェア」→「オペレーティングシステム」→「Linux」(→「Flask」)
④「コンピューター」→「ソフトウェア」→「オペレーティングシステム」→「Windows10」→「WSL」
⑤「コンピューター」→「ソフトウェア」→「オペレーティングシステム」→「Windows10」→「レジストリ」
⑥「コンピューター」→「ソフトウェア」→「システムジェネレーション」
⑦「コンピューター」→「ソフトウェア」→「Editor」→「Atom」
⑧「コンピューター」→「ソフトウェア」→「Editor」→「Emacs」
⑨「コンピューター」→「ソフトウェア」→「Editor」→「markdown」
⑩「コンピューター」→「ソフトウェア」→「言語」→「その他の言語」→「Python(Object指向)」→「Python」

↑人気ブログランキングに参加しています。よろしければ1票を!

外付けHDDにUbuntu(Linux)をインストールする(まとめ)

Native Linux用Applicationを使用したい場合などの特別な理由がない限りWSLの使用をお勧めする。

190523

外付けHDDにUbuntu(Linux)をインストールする(まとめ)

最近当ブログに外付けハードディスクを使ってUbuntu(Linux)をしたいがどうだろうという目的で訪れるユーザーが増えている。結論から言うと否である。

① 外付けハードディスクにUbuntuを合計2回インストールした。
② また古いWindows M/CにLinuxを1回インストールした。
③ 現在はBusiness用PCにWSL(Windows Subsystem for Linux)をインストールして使っている。
④ 外付けハードディスクは外国製と国内製の映像録画用HDDで使用した。
⑤ ④はいずれも2~3週間でBoot Errorになった。
⑥ これにより映像用外付けハードディスクはLinuxM/Cとしては不適であるとの結論である。
⑦ ②は1ヶ月半ほど稼働したがそののちBoot Errorを起こした。
⑧ ⑥⑦よりLinuxをインストールすると同じ個所を参照しトラブルを起こしやすい。
⑨ WSLを使ってLinuxを経験したいのなら中古PCで十分との結論に達した。去年の10月インストールして以来現在(5月)まで順調に稼働している。
⑩ Native Linux用Applicationを使用したい場合などの特別な理由がない限りWSLの使用をお勧めする。

以上

↑人気ブログランキングに参加しています。よろしければ1票を!

Chainerが作った「ディープラーニング入門」を紹介!

機械学習を勉強するには、いくつかの知識が必要です。それらを学ぶ上でいろいろな書籍やネットの情報が必要ですが、Chainerが出した「ディープラーニング入門」で必要十分です。

Chainerが作った「ディープラーニング入門」を紹介!

以下、DogFortune(Qiita)さんから引用。

機械学習を勉強するには、いくつかの知識が必要です。

• 統計や線形代数といった数学の知識
• Pythonを使うのでプログラミングの知識
• 画像処理、音声処理といった知識
• 学習を行う為のコンピューティングリソースの準備

それらを学ぶ上でいろいろな書籍やネットの情報が必要ですが、Chainerが出した「ディープラーニング入門」で必要十分です。
これはChainer Tutorialです。
最低限必要な知識がまとめて学べます。

このチュートリアルでは、機械学習を行っていく上で必要な最低限の数学とプログラミングを学んでいくことができます。
• Pythonの文法から条件式、クラスや継承といったところまであります。もちろんNumPyやCuPyもしっかりあります。
• 数学については、微分、合成関数、偏微分といった所もしっかり記述されています。これらを順番にこなすことで、機械学習を行ううえで、「なぜ必要なのか」をしっかり学んでいけます。
• 確率変数、確率分布も学べます。

ここまでしっかりと揃っているうえに、あちこちサイトを行き来しなくてもよい という所が非常に素晴らしいです。

ブラウザで学べる

機械学習の知識がついてきたところで、さぁやってみようと思った時に問題になるのが環境の構築です。数年前に比べたら比較的簡単に環境を構築できるようになってきましたが、フレームワークの進化も非常に早く、ネットの情報がすでに古いといった事も多いです。
このチュートリアルは、ブラウザ上で学ぶことができます。それも、資料の中に登場するコードがそのままブラウザ上で実行できる という所です。
資料はすべてノートブック形式になっていますので、解説とコードが同時に実行できるようになっています。なので、ただ読むだけの資料ではなく、実際にコードを記述してその結果も学ぶことができます。 これは非常にありがたいです。

Google Colaboratoryとして実行できる!!

これがこのチュートリアル最大のポイントです。先ほど資料はノートブック形式になっていると述べましたが、これがGoogle Colaboratoryで実行できるようになっている事です。
資料の上部にある「Open in Colab」ボタンを押すとすぐに開くことができます。
基本的にはJupyter Notebookと同じですが、Google Colaboratoryでは GPUリソースが利用できます。しかも無料です。
ですので処理の重い畳み込みニューラルネットワークも比較的短時間で体験することができます。GPUが絡むと途端に環境構築が大変になるので、ぜひ活用すると良いです。

まとめ

公式にもありますが、 このサイトだけで機械学習・ディープラーニングに入門できる事を目指して作られています。 基本的な知識はすべて網羅されているので、今から始めたい人はぜひ見てみてください。

章立ては次のようになっています。

Step1 準備編
。 1. はじめに
o 1.1. 必要なもの
o 1.2. Google Colaboratory の基本
o 1.3. Colab の基本的な使い方
• 2. Python 入門
• 3. 機械学習に使われる数学
• 4. 微分の基礎
• 5. 線形代数の基礎
• 6. 確率・統計の基礎
Step2 機械学習とデータ分析入門
• 7. 単回帰分析と重回帰分析
• 8. NumPy 入門
• 9. scikit-learn 入門
• 10. CuPy 入門
• 11. Pandas 入門
• 12. Matplotlib 入門
Step3 ディープラーニング入門
• 13. ニューラルネットワークの基礎
• 14. Chainer の基礎
• 15. Chainer の応用
• 16. トレーナとエクステンション

また今後次のような項目が登場するようです。

• 応用編:画像認識 (coming soon)
• 応用編:自然言語処理 (coming soon)
• 応用編:深層強化学習 (coming soon)
• デプロイ (coming soon)

以下Chainerから

「はじめに」

Chainer チュートリアルへようこそ。
このチュートリアルは、機械学習やディープラーニングの仕組みや使い方を理解したい大学学部生以上の方に向けて書かれたオンライン学習資料です。
機械学習の勉強を進めるために必要な数学の知識から、Python というプログラミング言語を用いたコーディングの基本、機械学習・ディープラーニングの基礎的な理論、画像認識や自然言語処理などに機械学習を応用する方法に至るまで、幅広いトピックを解説しています。
機械学習を学び始めようとすると、ある程度、線形代数や確率統計といった数学の知識から、何らかのプログラミング言語が使えることなどが必要となってきます。 しかし、そういった数学やプログラミングの全てに精通していなければ機械学習について学び始められないかというと、必ずしもそうではありません。
本チュートリアルでは、機械学習やディープラーニングに興味を持った方が、まず必要になる最低限の数学とプログラミングの知識から学び始められるように、資料を充実させています。
そのため、できる限りこのサイト以外の教科書や資料を探さなくても、このサイトだけで機械学習・ディープラーニングに入門できることを目指して、作られています。初学者の方が「何から学び始めればいいのか」と迷うことなく学習を始められることを目指したサイトです。
また、本チュートリアルの特徴として、資料の中に登場するコードが、Google Colaboratory というサービスを利用することでそのままブラウザ上で実行できるようになっているという点があります。
ブラウザだけでコードを書き、実行して、結果を確認することができれば、説明に使われたサンプルコードを実行して結果を確かめるために、手元のコンピュータで環境構築を行う必要がなくなります。
本章ではまず、この Google Colaboratory というサービスの利用方法を説明します。
1.1. 必要なもの
• Google アカウント(お持ちでない場合は、こちらからお作りください:Google アカウントの作成)
• ウェブブラウザ( Google Colaboratory はほとんどの主要なブラウザで動作します。PC 版の Chrome と Firefox では動作が検証されています。)
1.2. Google Colaboratory の基本
Google Colaboratory(以下 Colab )は、クラウド上で Jupyter Notebook 環境を提供する Google のウェブサービスです。Jupyter Notebook はブラウザ上で主に以下のようなことが可能なオープンソースのウェブアプリケーションであり、データ分析の現場や研究、教育などで広く用いられています。
• プログラムを実行と、その結果の確認
• Markdown と呼ばれる文章を記述するためのマークアップ言語を使った、メモや解説などの記述の追加
Colab では無料で GPU も使用することができますが、そのランタイムは最大 12 時間で消えてしまうため、長時間を要する処理などは別途環境を用意する必要があります。 学びはじめのうちは、数分から数時間程度で終わる処理がほとんどであるため、気にする必要はありませんが、本格的に使っていく場合は有料のクラウドサービスを利用するなどして、環境を整えるようにしましょう。

(以上Qiitaの記事-DogFortune-及びChainerのはじめにを引用させていただきました。)

↑人気ブログランキングに参加しています。よろしければ1票を!

Jupyternotebook-ModuleNotFoundについて

そこでググってみたらバージョン2と3を両方入れている場合はバージョン3のほうはpip3を使うと示していたのでpip3でnumpy,matplotlib etcをインストールしてみた。(Anaconda3でインストールしていると両方入ってしまう)

WSL Jupyternotebook-ModuleNotFoundについて

AI関連開発を再開した。

① Python3.6はコマンドプロンプトのバーチャルエンバイロメントで動いている。
② これは(>atom .)で起動する。
③ 上記はWSLでHydrogenをインストールしてもShift+Enterで動かないため回避策で行った。
④ コマンドプロンプトでは
・>python -m venv hydrovenv
・>hydrovenv\scripts\activate
・>pip freeze
・>atom .
で行う。
こののちAtomのOpen Projectをクリックして求めるPath上のフォルダを指定する。
⑤ これでShift+Enterでmatplotlibなどをインストールしている場合、図形などを描くことができる。
⑥ (hydrovenv)C:\Users\xxxxx>pip install Numpyなどでライブラリに入れるモジュールをインストールする。
⑦ しかしWSLでJupyternotebookを走らせなければならなかった。
⑧ プログラムからNumpy,matplotlib,Scipyなどを呼び出すとモジュール・ノットファウンドになってしまう。
⑨ 最初はWindowsの環境変数の問題だと思った。
⑩ 次に
・>pip list | grep numpy
をやったらnumpy(1.16.3)と表示された。(numpyが入っている証拠)
・>pip show numpyとやってみた。
/home/xxxxx/.local/lib/python2.7/site-packages
と表示された。(python2.7に入っていることを示す証拠)Python3を動かして、
・>>>import sys
・>>>import pprint
・>>>pprint.pprint(sys.path)
をやってみた。
⑪ バージョン2が入っていたので
・$ cp -r python2.7 pythonbu2.7(python2.7を無効化)
・Module not foundの現象は変わらなかった。
⑫ そこでググってみたらバージョン2と3を両方入れている場合はバージョン3のほうはpip3を使うと示していたのでpip3でnumpy,matplotlib etcをインストールしてみた。(Anaconda3でインストールしていると両方入ってしまう)(結局python3の方にはもともとnumpyなどが入っていなかったことになる)
⑬ みごとJupyter-notebookは稼働した。
⑭ No module named errorは解決された。
以上

↑人気ブログランキングに参加しています。よろしければ1票を!

Atom-WSL-PyCharm相関図

Atom-WSL-PyCharm相関図を簡単にまとめましたので中間報告的に記述します。(長短含めて)

Atom-WSL-PyCharm相関図

2019/01/06
Atom
① 印刷できない。
② Flaskがない。
③ データベースがない。
④ Moduleの管理が難しい。
⑤ Pythonの各属性を色表示できる。
⑥ JupyterのModuleを引き込むことができる。
⑦ Hydrogenでstep by stepのデバッグができる。(◎)
⑧ Windows特にExplorerが生で使える。
⑨ Demo Programが多数存在する。(◎)

WSL(Windows Subsystem for Linux)
① 印刷できない。
② データベースがない。
③ Jupyterのmoduleを引き込むことができない。
④ Step by stepのデバッグができない。
⑤ Windowsとのやり取りがUSB経由である。
⑥ Pythonの各属性を色表示できる。(◎)
⑦ Flask環境下でデバッグできる。(◎)
⑧ Linuxのコマンドがじかに実行できる。(◎)
⑨ Moduleの管理が比較的しやすい。

PyCharm
① Step by stepのデバッグができない。
② 有料でないとSQLite3(DB)が使えない。
③ 慣れていない。
④ Linuxのコマンドが使えない。
⑤ Jupyterとの連携がとりにくい。
⑥ 有料でデータベースが使える。(◎)
⑦ 印刷ができる。(◎)

以上

↑人気ブログランキングに参加しています。よろしければ1票を!

demo30.pyの新構成

LAMP(Linux,apache,MySQL,PHP)のインストールを試みたが失敗。

昨日今日とSQLを両PCでインストールしてみた。

flaskをインストールしていたPCにはmssqlをインストールしていたが失敗。

これにLAMP(Linux,apache,MySQL,PHP)のインストールを試みたが失敗。

mssqlをremoveしたがこれも失敗、このPCでのインストールを断念した。

家内のPCを借りてMySQLをインストールしたがこれもまたpasswordを入力するところで失敗。これもまた断念することになった。

まる2日間費やしたが私にはSQLは不要の様だ。

そこでdemo29.pyに追加してdemo30.pyを構成してみたのがアイキャッチ画像のものだ。

demo30.pyのlogin処理が成功したのち/(スラッシュ)の入力で呼び出される

/program1で呼び出される

/program2で呼び出される

↑人気ブログランキングに参加しています。よろしければ1票を!