2017-07-30

Google CalendarのStylishの設定

追記

Googleカレンダーの仕様が変わったため、使用できなくなった……

本文

Googleカレンダーで一番左を月曜日にすると、
休日がまとまって嬉しいんだけど、
普通のカレンダーは一番左が日曜日だから、
曜日と日付の対応を間違える。

そこで、Chromeの拡張機能のStylishを使って、
土日の背景色を変えた。

Stylishはスタイルの同期してくれないみたいだから、メモっておく。とても簡単だけど多少よくなった。

.st-bg-table tbody tr :nth-child(6) {
    background-color : #aaf !important;
}
.st-grid  tbody tr :nth-child(6) {
    background-color : #aaf !important;
}

.st-bg-table tbody tr :nth-child(7) {
    background-color : #faa !important;
}
.st-grid  tbody tr :nth-child(7) {
    background-color : #faa !important;
}

f:id:zia_glass:20170730223722p:plain

2017-07-20

Ubuntu導入時に個人的にやることまとめ

Linux

なんどかLinuxを導入する機会があるんだけど、そのたびに同じことを調べているような気がするので、やることをまとめておく。思い出しつつ追加する形で。

環境は以下の通り

Ubuntu16.04 LTS (trusty)
GNOME shell

諸々をインストール

Lubuntuなどでは、まさかのvimが入っていないのでインストールをする。luaなどは使ってないので普通にaptで入れる。

sudo apt install -y git vim
sudo apt install ubuntu-restricted-extras

あとは、ネットからこいつらをダウンロードして、dpkgでインストール。

Atom
VisalStudio Code
Google Chrome
Vivaldi
Thunderbird
Dropbox
Terminator
- キーバインドでCtrl+Shift+HとCtrl+Shift+Lで画面分割を入れる

zshのインストール

うまく行かない時は、/etc/shellsにzshのパスが追加されていないかもしれない。

sudo apt install zsh
sudo chsh -s $(which zsh)

dotfilesを適用

管理しているdotfilesを適用（ここは本当に個人用）

git clone https://github.com/b1013251/dotfiles ~/dotfiles
bash ~/dotfiles/setup.sh

GNOME shellのインストール

個人的にGNOME shellのほうが好きなのでGNOMEを入れる。今後はデフォルトでGNOME shellになるらしい。 tweak toolも便利なのでインストールする

sudo apt install gnome-tweak-tool
sudo apt install gnome-shell-extensions
sudo apt install gnome-shell

便利なエクステンションをTweakToolをつかって入れる。 Put windowはWin+矢印で横幅を任意の長さに切り替えてくれるツール。もともとのキーバインドがかぶるので、元の設定を、「設定」→「キーボード」から削除

Dash to dock
Alternatetab
Put window
Suspend button

また、TweakToolから以下の部分を設定

アニメーションを止める
見た目が綺麗なPaperに変更
- ここを参照してインストール＋TweakToolから設定
CapsLockをCtrlとして扱う
日付表示

Rubyをインストール

rbenvでインストール。必要なパッケージをaptで入れる。入れないと長いビルド中に怒られて異常終了する。
別ディストリビューションはHome · rbenv/ruby-build Wiki · GitHubを参照

sudo apt install -y autoconf bison build-essential libssl-dev\
libyaml-dev libreadline6-dev zlib1g-dev libncurses5-dev\
libffi-dev libgdbm3 libgdbm-dev

gitでrbenvとrbenv-build入れる。rbenvだけではRubyをインストール導入できない。

git clone https://github.com/sstephenson/rbenv.git ~/.rbenv
git clone https://github.com/sstephenson/ruby-build.git ~/.rbenv/plugins/ruby-build

PATHを通す。.zshrcで~/.zshlocalという名前を個人的にsourceしているので、そこに追加。

: ruby
export PATH="$HOME/.rbenv/bin:$PATH"
eval "$(rbenv init -)"

Rubyをビルド

rbenv install -l
: 最新のバージョンを入れる
rbenv install 2.4.1
rbenv global 2.4.1

Pythonのインストール

Anacondaが便利なので、Anacondaを使って入れる。bashでインストール。とりあえず、最新のPythonが入るので環境などは作らなくてもいい。

https://www.continuum.io/downloads

: 最新のものを入れる
bash Anaconda3-4.4.0-Linux-x86_64.sh
: 環境を作成（tensorflowを入れる場合は現状はPython3.5で対応しているので3.5を入れる）
conda create -n [環境名] python=3.5 anaconda

.zshlocalに追加

# anaconda
export PATH=$HOME/anaconda3/bin:$PATH

Node.jsをインストール

nodebrewをつかう

curl -L git.io/nodebrew | perl - setup
nodebrew ls-remote
: 最新を入れる
nodebrew install-binary v7.10.1
nodebrew use v7.10.1

2017-06-21

pythonに機械学習系のライブラリを入れるとき必要なパッケージ

Ubuntu 16.04 Python

ライブラリを入れるときに先に入れる必要があるものリスト．

: #scipy
sudo apt-get install libatlas-base-dev
sudo apt-get install libatlas-doc

: #matplotlib
sudo apt-get install pkg-config 
sudo apt-get install libfreetype6
sudo apt-get install libfreetype6-dev
sudo apt-get install libpng-dev

anacondaが便利すぎて忘れてたけど
入ってないとエラーが出るし，そのたびに検索するのが面倒だったりする．

2017-05-04

線形回帰のカーネルトリック

Python Matplotlib

SVMに取り掛かる前に線形回帰のカーネルトリックを試す

前提

関数は以下のものにノイズを加える

$$ y=x³+\epsilon $$

見ての通り線形回帰だとうまくいきそうにないのでガウシアンカーネルで回帰を行う

また、コスト関数には誤差の総和を用い解析的に解く

まずは線形回帰

import numpy as np
import matplotlib.pyplot as plt

size = 25 #サンプル数
x = np.linspace(-6, 6, size) 
y_truth= (-0.05 * x ** 4) + ( 0.1 * x ** 3) + (-0.5 * x ** 2) + (0.6 * x )
np.random.seed(0)
y_noise = y_truth + np.random.randn(size) * 10.0

plt.plot(x, y_truth, color='#aaaaaa')
plt.scatter(x, y_noise, color="#aaaaaa")

w = (1 / np.dot(x, x) * x).dot(y_noise)
y_predict = w * x
plt.plot(x, y_predict, color="r")
plt.scatter(x, y_predict, color="r")

f:id:zia_glass:20170504022539p:plain

次に正則化していないカーネル

import numpy as np
import matplotlib.pyplot as plt

size = 25 # サンプル数
x = np.linspace(-6, 6, size) 
y_truth= x**3

np.random.seed(0) # ノイズ固定
y_noise = y_truth + np.random.randn(size) * 10.0

# 本来のデータ
plt.plot(x, y_truth, color='#aaaaaa')
plt.scatter(x, y_noise, color="#aaaaaa")

# ガウシアンカーネル
def kernel(x1, x2, beta=1.0):
    return np.exp(- beta * (x1 - x2)**2)

# グラム行列
K = np.zeros((size, size))
for i in range(size):
    for j in range(size):
        K[i,j] = kernel(x[i], x[j])
    
# 解析計算
alpha = np.linalg.inv(K) * y_noise

# 計算したパラメータをもとに予測
y_predict_kernel = np.zeros(length)
for _x, a in zip(x, alpha):
    y_predict_kernel += a * kernel(_x, _x)

# プロット
plt.plot(x, y_predict_kernel, color="b")
plt.scatter(x, y_predict_kernel, color="b")
plt.xlim([-6,6])
plt.ylim([-50, 50])

f:id:zia_glass:20170504022544p:plain

予想通りぐちゃぐちゃ

正則化を行って計算

size = 25 # サンプル数
x = np.linspace(-6, 6, size) 
y_truth= x**3

np.random.seed(0) # ノイズ固定
y_noise = y_truth + np.random.randn(size) * 10.0

# 本来のデータ
plt.plot(x, y_truth, color='#aaaaaa')
plt.scatter(x, y_noise, color="#aaaaaa")

# ガウシアンカーネル
def kernel(x1, x2, beta=1.0):
    return np.exp(- beta * (x1 - x2)**2)

# グラム行列
K = np.zeros((size, size))
for i in range(size):
    for j in range(size):
        K[i,j] = kernel(x[i], x[j])
    
# 解析計算 (アルゴリズム的にはここに単位行列を足しただけ)
alpha = np.linalg.inv(K + np.identity(size)) * y_noise

# 計算したパラメータをもとに予測
y_predict_kernel = np.zeros(length)
for _x, a in zip(x, alpha):
    y_predict_kernel += a * kernel(_x, _x)

# プロット
plt.plot(x, y_predict_kernel, color="b")
plt.scatter(x, y_predict_kernel, color="b")
plt.xlim([-6,6])
plt.ylim([-50, 50])

f:id:zia_glass:20170504022535p:plain

正則化項が働いて多少汎化された。

それで

モデルを通常の線形パラメータとは違うものに置き換えていることや、ガウシアンカーネルの次元数が無限にあることにより、正則化による影響が直感的にわかりにくいけど、うまくはいっているみたい。

2017-04-27

Anaondaを入れる流れ(Windows 8.1)

Python

複数のサイトで解説されているけど自分用に書く。
現状でTensorflowはPython 3.6に入らないようなので、3.5の環境を作ってそこにいろいろぶっこむ。通常のPython インストーラからやろうとすると、matplotlib、scipyのインストールあたりで詰まって面倒だからAnaconda助かる。

環境

Windows 8.1
Anaconda3 (4.3.1 : 64bit)
- Python3.5
- numpy
- scipy
- matplotlib
- pandas
- scikit-learn
- tensorflow

Anacondaの導入

まず、ダウンロードする。
Download Anaconda Now! | Continuum
インストールは特に注意点は特になし。

Python3.5の環境作成

コンソールから新しい環境を作る

> conda create -n [環境名] python=3.5 anaconda

Python3.5の環境に移行する

> activate [環境名]

諸パッケージのインストール

scipy, numpy, matplotlib,pandas,scikit-learnをインストールする。
ただ、conda createで環境を作った時点でインストールされていたので、実際に以下のコマンドは実行しなかった。

> conda install numpy scipy matplotlib pandas scikit-learn

tensorflowをインストール
最新のパッケージはInstalling TensorFlow on Windows | TensorFlowのURLを参照。
今回は現状のCPU最新版を使う。

> pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

Visual Studio Code

VS CodeはCtrl+F5での実行と入力補完が特に設定しなくてもできるから便利。設定は、3.5環境のパス設定とlintの無効化をしたぐらい。

[
"python.pythonPath": "C:/……/Anaconda3/envs/tensor/python",
"python.linting.enabled": false,
]

2017-04-07

開いているタブをMarkdownのリンク形式でクリップボードにコピーするChromeエクステンションを作ったけど既にあった

Chrome

タイトルの通り

公開したものの意味が無いので、
ハイパーリンクをコピーする機能などを追加して付加価値を作りたい

Chrome

Copy this tab as Markdown Link - Chrome ウェブストア

プレビュー

f:id:zia_glass:20170407011017p:plain

2016-11-29

UDPのポート番号54915にパケットがたくさん流れる

その他

wireshark触って見ていたらあるホストから１秒に一回程度の頻度でUDP 54915にデータが送られていた．

なにかと調べてみるとLogicoolのマウス設定を行うLogicool Gamesoftwareが
スマートフォンなどと通信するためのArx Controlという機能によってネットワークを探索しているとわかった．

設定からモバイルサービスを無効にすることによりパケットが消えた．

f:id:zia_glass:20161129203138p:plain

プロメモグラム

誰が見てもわかるような文章を目指す

Google CalendarのStylishの設定

追記

本文

Ubuntu導入時に個人的にやることまとめ

諸々をインストール

zshのインストール

dotfilesを適用

GNOME shellのインストール

Rubyをインストール

Pythonのインストール

Node.jsをインストール

pythonに機械学習系のライブラリを入れるとき必要なパッケージ

線形回帰のカーネルトリック

前提

まずは線形回帰

次に正則化していないカーネル

正則化を行って計算

それで

Anaondaを入れる流れ(Windows 8.1)

環境

Anacondaの導入

Python3.5の環境作成

諸パッケージのインストール

Visual Studio Code

開いているタブをMarkdownのリンク形式でクリップボードにコピーするChromeエクステンションを作ったけど既にあった

Chrome

プレビュー

UDPのポート番号54915にパケットがたくさん流れる