« 2017年1月 | トップページ | 2017年3月 »

2017年2月28日 (火)

日本発の深層学習プラットフォーム”DIMo”

とある講演会で知りましたが、人工知能用機械学習として今最も注目されている”深層学習(ディープラーニング)”のプラットフォームで、日本発のものがあるそうです。

速報 - PFN、エッジ機器向け深層学習ソフト「DIMo」の商用ベータ版提供へ:ITpro

上の記事は少々古いですけど、この日本発の深層学習プラットフォーム”DIMo(ダイモ)”を使った商用パッケージのベータ版リリースのニュースです。

このDIMoは、オープンソースで提供されているChainer(深層学習用フレームワーク、TensorFlowのようなものでしょうか)、SensorBee(ストリームデータ向けETLツール、Twitterのようなデータからいろいろ分析できるやつらしいです)の2種類のフレームワークを含む統合ソフトのようです。

機能としては「コンピュータビジョン(人・物体検出)」「異常検知」の2種類。

前者はいわゆる”画像検知”ってやつで、昨年サイエンスZeroでやってた”人工知能”特集に、防犯カメラに映った人物特定に使われてました。

2016年6月26日の放送|NHK「サイエンスZERO」

これがDIMoで動いているとは知りませんでした。なかなかすごいですね、このフレームワーク。

もう一つの「異常検知」については、こっちに詳しいです。

異常検知の世界へようこそ | Preferred Research

要するに、正常なセンサーの値・波形を普段は学習しておき、その値から外れた場合に自動で認識してくれる仕組み。工場での機器の異常を発見できる仕組み等に使えそうです。

もうちょっと視野を広げないとだめですね。まさか日本発の深層学習フレームワークがこれほどのものとは・・・

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

iPhone 5sのバッテリー交換

Battery Doctorで調べると、会社用のiPhone 5sのバッテリーの容量が新品時の7割ほどとなっており、しょっちゅう充電しているような状況となったため、バッテリー交換をすることにしました。

Img_2740

買ったのはこのDIGFORCEのiPhone 5s用バッテリー。

以前iPhone 5をまたまた復活!の際にも購入したメーカーのバッテリー。子供用のiPhone 5や会社の同僚のiPhone 5cがこのDIGFORCE製バッテリーで元気に使われているので、今回もこちらを選択。

Img_2741

iPhone 5の経験で、むしろ”純正”の方が怪しいものが多いため、あえて選択しませんでした。

非純正ですが、PSEマーク付き。

Img_2743

長男がメインPCの机を占領中(マイクラ)のため、子供の机で作業開始。

Img_2744

この辺りのねじ外しは手慣れたものです。

Img_2745

吸盤で液晶パネルを浮き上がらせて、プラスチック製ヘラをかまして開けるところまではiPhone 5あたりと同じですが

Img_2746

ホームボタンからこんなフレキが出てます。

思わず引っ張り上げると、えらいことになります。注意。

Img_2747

金属のコネクタカバーとコネクタを樹脂ヘラではがして外します。

Img_2748

バッテリー君が見えてきました。

Img_2749

バッテリーコネクタをはがすため、金属カバーのねじを取ります。

Img_2750

コネクタをはがし

Img_2751

いよいよバッテリーをはがすんですが・・・

iPhone 5/5cでは透明のタブがバッテリー側面から出てて、こいつを引っ張ればよかったんですが、そんなタブはどこにもなし。

分解工房・iPhone5s/バッテリー交換修理方法

上の記事で調べると、このバッテリーの下側の黒いフィルムを引っ張ると、両面テープが引っ張り出されてバッテリーがはがれる・・・んだそうですけど。

その両面テープがいともあっさりと切れちゃいました。

もう、無理やりはがすしかないようです。

Img_2752

ちょっとやそっとでははがれそうにないため

Img_2753

念のため、ディスプレイを取っておくことにしました。勢いあまってフレキを切ってしまっては元も子もありません。

で、ここから先は筆舌に尽くしがたいほど大変な作業になりまして。

ちょっとづつちょっとづつ金属ヘラをバッテリーの隙間に突っ込んでははがし・・・という作業を地道に続けた結果

Img_2754

やっとはがれました。。。

おかげで電池がちょっと変形しちゃったんですけど・・・ほんと大変でした、この作業。

Img_2755

で、新しい電池を取り付けて先ほどとは逆の作業を行いますが

Img_2756

ここのフレキがめちゃくちゃはめ辛い!

なんとかピンセットなどを駆使してようやくはめました。

Img_2757

その上の金属カバーもはめましたが、なんだかちゃんとはまっている感じがしない・・・

Img_2758

液晶を閉じてネジ留めし、電源オン!

Img_2759

ちゃんと起動しました。問題なく動作します。

Img_2760

BATTERY Doctorで確認すると、100%になりました。

完全復活です。

とりあえず一日使ってみましたが、確かにいつもよりバッテリーの持ちはいいです。

とはいえ、この手のバッテリーって初期不良の恐れもあるので、しばらくは様子見が必要。まあ一週間たって膨らんだり、電圧が落ちて再起動したりしなければ大丈夫でしょうが。

それにしても、最近ポケモンGOをやってたせいでしょうか、ほぼ同じ時期に買ったiPhone 5cより5sの方が先にバッテリーが寿命を迎えてしまいました。

ポケモンGOもほどほどにした方がよさそうです。

DIGIFORCE 交換用PSEバッテリー iPhone5s用 1560mAh LPB-DIGI5S

2017年2月27日 (月)

93gの指でつまめて51インチまで投影可能な小型プロジェクター

充電式で、ケーブルレスで使用可能な超小型のプロジェクターです。

指でつまめるミニDLPプロジェクター | 音・映像 | サンコーレアモノショップ

重さは93g、2m先に映せば36インチ、3m先なら51インチのサイズで投影できるプロジェクターです。

明るさは30ルーメンで、リンク先を見る限りちょっと薄暗いところなら2mほど離してもまあまあの明るさは保てそうな感じです。

スマホやPCと接続せず、microSDカード内の静止画/動画を再生するためのプロジェクターだそうで、駆動時間は40~60分ほど。

スピーカーも内蔵しているようで、音楽の再生も可能なようです。

PCやスマホでプレゼンしたいという向きの方には残念ですが、動画を使うことの方が多いという方ならこのプロジェクターはぴったりかと。私もちょっと欲しい。

お値段は15,800円。実家に帰ったときに子供の写真を自分の両親に見せる、なんて使い方もできますね。

指でつまめるミニDLPプロジェクター ULTSMADL ※日本語マニュアル付き  サンコーレアモノショップ

Flash Air同人誌第3弾が配布開始

FlashAirの中の人による同人誌 第2弾配信から1年ほど経ちましたが、第3弾が出てました。

東芝「FlashAir」のディープな活用例が満載! 60ページ超えの同人誌が無料配布中 (取材中に見つけた○○なもの) - AKIBA PC Hotline!

紙の冊子が秋月電子で無料配布されているらしいですが、PDF版も無料で手に入ります。

ダウンロード元:FlashAir Developers - ドキュメント - 本

で、早速読んでみましたがいきなりRaspberry Piとの連携してライブ映像を配信する技から紹介されてました。相変わらず中身は濃いです。

秋月電子さんとFlash Airのかかわりも出てましたね。

なんでも、SDカードスロットと基板キットの販売ペースが急に増えて、その原因がFlash Airにあって調べてみたら・・・ってところから始まったようです。

私も基板レベルの改造はありませんが、FlashAir+microSD→SDカード変換アダプタ買ってロビ君の”遠隔操作”をやらせていただいたこともあります。まだまだFlash Air、盛り上がりそうです。

東芝といえば、ここ最近は先行き不安な話ばかりですけど、こういう製品を出してくれる半導体分野だけは元気に続いてほしいですよね。

TOSHIBA(東芝) 無線LAN搭載SDHCカード FlashAir W-03 [32GB] Class10 SD-R032GR7AL03A

2017年2月26日 (日)

宇宙戦艦ヤマト 2202 第1章 デジタルセル版購入

宇宙戦艦大和 2202の公開が始まりました。

宇宙戦艦ヤマト2202 愛の戦士たち

ただ、以前より上映する映画館が減少してて、手軽には見に行けなくなってますが・・・って、うちの近所のイオンモール三好の映画館では今回も上映してるんですけど。

一方で、上映と同時に”デジタルセル版”もリリースされてます。

今回は、このデジタルセル版で見ることに。

Img_1249

私は”Amazonビデオ”で購入。お値段2,700円。

画質は2種類あり、HD版とSD版。値段はどちらも一緒。まあ、HD版を買った方がお得でしょうね。

購入はAmazon上で手軽にできますが、見るためには”Amazonビデオ”アプリが必要です。

それにしても、わずか3年で地球艦隊がえらい数になってたり

Img_1251

といっても、従来艦を流用してエンジン・武装を強化したもののようです。ワープしてますし。

アンドロメダが波動砲を使ってさえ仕留められなかった艦を、ヤマトの主砲一撃で・・・

Img_1250

突っ込みどころは多そうですが、戦闘シーンは見ものです。

第1章を見ている限りでは、いろいろと伏線がありそうで、第2章以降どうなるかが気になりますね。

次回(第2章)は6月24日(土)から公開予定。いよいよ次回はヤマト発進!です。

宇宙戦艦ヤマト2202 愛の戦士たち 第一章

mineoなどで使えるau版iPhone 5sが9,980円で販売

もう売り切れちゃっていると思われます。どのみち、名古屋からは買いに行けませんけどねぇ・・・

格安SIM対応のiPhone 5sが税込9,980円!BUY MOREが25日にセールを実施 (取材中に見つけた○○なもの) - AKIBA PC Hotline!

パソコン工房 秋葉原BUYMORE店で中古のau版iPhone 5sが1万円以下で販売中だそうです。

色はスペースグレー、容量は16GB。10日間保証付き。

付属品無しで擦り傷ありのものらしいので、扱いはC級品といったところでしょうか?

安いことは安いので、mineoやIIJmioのau回線版サービスを使って安いiPhoneとして運用できそうです。

私も会社用にiPhone 5sを使ってますけど、重いアプリでもない限り今でも快適に使えますね。たださすがに古いiPhoneだけに、バッテリーの寿命が気になるところですが。特にポケモンGOなんて使いながら歩こうものなら、バッテリーの消費が・・・

動画、ニュース、ブラウザ目的なら全然今でも現役なiPhone 5s。そういえば、この辺りの中古屋でもドコモ版が1.7万円になってましたし、格安SIMと組み合わせれば意外とお得なiPhoneかもしれません。

mineo プリペイドパック 1GB NanoSIM (au 4G LTE対応)開通期限2017年6月末

アップル au iPhone5s 16GB ME332J/A スペースグレイ

2017年2月25日 (土)

あるiPadに施された”アドブロック”があまりにロー・・・ハイテクで話題に!

アドブロック、いわゆる画面上に出てくる広告を表示させない・クリックさせないためのブロッカーですが。

あるiPadに施されたこのアドブロックが話題になってます。

お母さんの人力アドブロック 母親にiPadを貸したらハイテク改造されて返ってきた - ねとらぼ

いやあ、ATフィールドってやつですかね。広告から見れば。

この持ち主のお母さんに貸したら、アプリに出てくる広告をクリックしないために張り付けたんだとか。

ここまでの発想力はありませんね。それにしても、定規がこんなにぴったりとは・・・

人工知能が普及し、あらゆるデータもデジタル化・クラウド化されつつあり、いよいよ人類は見えざるモノに支配されていく時代へ突入。人類最後の希望は、このアナログな発想かもしれません。

モチモノ 滑らない 定規 ピタットルーラー 15cm オレンジ

Windowsのバッチファイルでfor文で変数を変えながら繰り返し処理をするときの注意点

わかりにくいタイトルですいません。

会社で、こんなような処理をさせたくてバッチファイルを組んでたんですが、なかなかうまいこと動かずに苦労しました。

Bat_for01

例えば「C:\tmp\data」のフォルダの下にこんな感じのフォルダがずらっと並んでいたとします。

このフォルダの中に、それぞれのフォルダ名を使ったテキストファイル(正確にはスクリプトファイルですが)を作りたかったんですが、そのテキスト内には

・ 自身のフォルダ名(”c01a001”)を書き込む部分

・ 自身のフォルダ名の後ろ3文字だけ(”001”)切り出して書き込む部分

があります。

そこで、こんなバッチファイルを作ったんですけど。

@echo off
for /d %%A in (C:\tmp\data\*.*) do (
   set B=%%~nA
   set C=%B:~4,3%
   echo %C% > %%A\%B%.txt
   echo %B% >> %%A\%B%.txt
)

このバッチファイルで期待した出力結果は、例えば「c01a002」ってフォルダの中に

002
c01a002

という内容の、「c01a002.txt」という名前のテキストファイルを作るというもの。

「c01a001」なら1行目が”001”に、2行目が”c01a001”になります。

ところが実際にこれを実行すると、すべてのフォルダに「c02a003.txt」という名前の

003
c02a003

という中身のファイルばかりが生成されます。

つまり”set”で定義した変数(B、C)が一番後ろのフォルダ名のものだけ出てきてしまうというもの。

どうやらfor文の( )内にあるset文の内容は、そのfor文の( )内の一番最後の処理で出てきた変数で置き換えられてしまうようです。

こういうのを「遅延環境変数の即時展開」っていうそうです。

で、for文の中でset文で定義した変数を変えながら繰り返し処理をさせたい場合は「遅延環境変数の展開」ってやつを行わなきゃいけないそうです。

CMD.EXEの遅延環境変数の展開 - ふなWiki

もはや何を言っているのかわかりませんが・・・日本語でおK?

上のバッチファイルを修正したものは以下の通り。

@echo off
setlocal enabledelayedexpansion
for /d %%A in (C:\tmp\data\*.*) do (
   set B=%%~nA
   set C=!B:~4,3!
   echo !C! > %%A\!B!.txt
   echo !B! >> %%A\!B!.txt
)

変えたところは大きく2箇所。

まず、for文の前に「setlocal enabledelayedexpansion」ていう呪文を入れます。これが「遅延環境変数の展開」ってやつだそうで。

そして、set文で定義した変数をfor文内で使うときは「!」で囲います。変数Bなら「!B!」って具合に。

これで、フォルダ名が「c01a001」なら1行目に”001”、2行目に”c01a001”と書かれた「c01a001.txt」という名前のテキストファイルが、フォルダ名が「c01a002」なら1行目が”002”に・・・という具合に、フォルダごとに独自の内容・名前のテキストファイルが順次生成されます。

たったこれだけの処理をさせるだけなのに、ずいぶん時間かかっちゃいました。

コマンドプロンプトってえのはLinuxのようにはいきませんね。

賢くなったと喜ぶべきか、Windowsのコマンドプロンプトの面倒臭さに嘆くべきか・・・Windows 10だったらまっさきにBash on Windowsを入れてやりたいところですね。

[改訂新版]Windowsコマンドプロンプトポケットリファレンス

2017年2月24日 (金)

NASAが39光年先に7つの地球型惑星を発見と発表!!

16万光年先のイスカンダルに比べたら、ずいぶんと近いところに生命の可能性のある星が発見されました。

NASA、7つの地球サイズ惑星を39光年先に発見 3つは生命存在可能 | sorae.jp : 宇宙(そら)へのポータルサイト

NASAが39光年先にある「TRAPPIST-1」という、太陽の8%ほどしかない暗い恒星に、地球型惑星が7つも見つかったそうです。

内、3つに生命が存在する可能性があるそうで、7つすべてに水が存在する可能性があるとのこと。

今後もこの7つの惑星の観測が続けられるようですが、何かわかるんでしょうかね?

NASA、7つの地球型惑星を発見。すべてに水が存在の可能性、水瓶座の方向40光年の赤色矮星TRAPPIST-1を周回 - Engadget 日本版

こっちの記事も参考にすると、2018年に打ち上げ予定のジェイムズ・ウェッブ宇宙望遠鏡も使って調べられるとのこと。大気の組成がわかればより生命の可能性に迫れるかもしれませんね。

超光速のワープ航法でも開発されれば真っ先に向かうべき星かもしれません。行った先にはガミラスとイスカンダルのような兄弟星がいて・・・なんて展開、さすがにないとは思いますが。

この「TRAPPIST-1」という星、小型のためかのんびり輝いているせいで寿命が現在の宇宙よりも長いそうで、太陽が燃え尽きても存続する可能性があるそうです。

てことは、将来太陽が寿命を迎える頃に人類が向かうべき星になるかもしれませんね。

それまで人類が続いていればの話ですが。

NASA Astronaut Back Pack NASAの宇宙飛行士は、バックパック♪ハロウィン♪サイズ:One Size

Intelの半額以下で同等性能!?なAMDのCPU”Ryzen7”発売へ

ずいぶんと久しぶりにAMDから野心的なCPUが登場です。

Intelの半額以下で同等以上の性能のAMD「Ryzen 7」が正式に発表される - GIGAZINE

AMDが新しいCPUシリーズ”Ryzen 7”を発表しました。

モデルは3種類(Ryzen 7 1800X、1700X、1700)あり、いずれも8コア/16スレッド。

4年をかけて新規のCPUとして設計した結果、従来のAMDのCPUの1クロック当たりの処理能力を52%向上したとのこと。

最上位となるRyzen 7 1800Xは3.6GHz、ブースト時4.0GHzで、同じ8コアのIntel Corei7-6900Kよりも9%高速(マルチスレッド性能)。

1700Xでは3.4GHz/ブースト時3.8GHzで、同じく6900Kより4%高速。1700は3.0GHz/ブースト時3.7GHzで、Corei7-7700Kより46%高速とのことです。

価格は、1800Xが499ドル(約56,500円)で、6900Kの半額ほど。1700Xが399ドル(約45,000円)、1700が329ドル(約37,000円)。いずれも同スペッククラスのIntel CPUよりも安いということです。

実際のパフォーマンスがどうかは手に取ってみてのお楽しみですが、今までIntel一強という状況が続いていたため、ようやくのライバル出現に自作ユーザーも活気づいてくれそう。

日本では3月3日午前0時に発売開始。秋葉原では深夜販売もやるという話です。

ただ、自作PC市場自体が縮小しつつある中、どれくらい盛り上げてくれるかは微妙なところ。CPUパワーよりも、手軽に持ち運べてバッテリー長持ちなARM系CPUを搭載したスマホにコンシューマ市場の主力がうつりつつある今日。

でもやはりスマホの母艦となるPCはデスクトップが一番、動画エンコードも捗ってヒャッハーなマシンを少しでも安く手に入れたいという向きの方は未だに多いものと思われますし、AMDのこの発表で盛り上がってほしいところです。

玄人志向 ビデオカードAMD RADEON RX460搭載 RD-RX460-E2GB

2017年2月23日 (木)

5.8インチのiPhone 8はサイズは4.7インチと同じで前面カメラが3Dセンシングを装備か!?

次期iPhoneには3種類あって、「iPhone 7s/7s Plus」な位置づけの従来型の4.7インチ、5.5インチモデルに加え、5.8インチの全面が有機ELな「iPhone 8」が出るといわれてます。

そのハイエンドな「iPhone 8(仮)」の前面カメラが赤外線センサーと合わせて3Dセンシングが可能で、顔認識や虹彩認識、立体的な自撮り写真が撮影できるとされてます。

次期「iPhone」の有機EL搭載モデル、RAMは3GBで、ストレージ容量は64GBと256GBか | 気になる、記になる…

次期「iPhone」の有機EL搭載モデル、3Dセンシング機能を備えた画期的なフロントカメラを搭載か | 気になる、記になる…

プロセッサは多分A11って名前で、メモリは3GB、ストレージは64GBと256GBの2種類になりそうとのこと。

ちょっと面白いのは、画面は最大なのに本体サイズは4.7インチ版と変わらないとのことらしいです。

ほんとにぎちぎちに作るんですね。これでさらに無線給電までつけちゃうらしいですし。大丈夫なんでしょうか?確かに、すごいデザインになりそうですけどね。

そういえば、私がおととしの8月に出資した、2016年2月に発送予定だった”Bevel”っていうスマホ用の3Dスキャナーがありましたが

3Dフォトグラフィーが手軽に作成できる!”Bevel”: EeePCの軌跡

未だに届かないんですよね・・・去年の10月あたりに住所を聞かれたので送信したんですが、あれから音沙汰無し。

一部には配布されたような感じみたいですけど、全然届く気配がありませんねぇ。

そうこうしているうちに、iPhoneの方が3Dスキャン機能をつけちゃいそうですよね。

3D Systems 3Dスキャナ Sense3D

いただいたiPhone 6ケースを使ってみた

先日出張でいった”Japan IT Week関西”でもらったiPhone 6ケース。

Img_0677

せっかくなので、iPhone 6sにつけてみました。

Img_0678

私はこういう手帳型のケースって使わない派だったんですが、このケース、案外しっかりしててなかなかよろしい。

なお、画面側カバーの裏にはカードケースがついてました。

Img_0679

iPhone 6用ですが、6sでもちゃんと使えます。カメラ穴もぴったり。

Img_0680

スタンド形状にもなります。

動画を見るときには便利ですね。

妻が以前、こういう手帳型のケース使ってましたが、あれよりはこっちの方が頑丈な感じ。なかなかいいものです。

てことで、しばらく6sで使ってみようかなぁということにしました。

これで慣れてきたら、ほかのiPhoneも手帳型にしちゃうかも・・・てことはないかな。多分。

MS Products iPhone 6用デザインPUレザーカバー TETRA(C)LEPLUS(ルプラス) LP-IP64DLTTC

2017年2月22日 (水)

「週刊 鉄腕アトム」創刊 70号で20万円で完成

アトムですよ、アトム。手塚治虫氏の名作、最初の30分ものテレビアニメ作品の、あのアトムが20万円と1年数ヶ月の地道な努力で入手できる時代になりました。

速報:『週刊 鉄腕アトムを作ろう!』創刊、VAIO製基板とドコモAI、Raspberry Pi搭載。全70巻20万円で完成 - Engadget 日本版

講談社、手塚プロダクション、ドコモ、VAIO、富士ソフトの5社がリアル鉄腕アトム開発計画「ATOMプロジェクト」を立ち上げ、その第一弾として「週刊 鉄腕アトム」を創刊すると発表しました。

70号で完成し、総額は20万円ほど。4月4日に創刊とのこと。

18自由度の重さ1400g、体長44cmのロボット。会話や伝言、ネット接続が可能で、搭載したカメラで家族や友人 12人まで識別可能。

ドコモのクラウドAIに、基板や各種部品はVAIO製、そしてメインコンピュータボードはRaspberry Pi 3を搭載。

空は飛ばず、10万馬力は出ませんが、アトム誕生のころから考えればすごいテクノロジー。ようやく、ここまで来たんですよね。

鉄腕アトムファンならぜひ作ってみたいと思うシリーズ。私は・・・ちょっといいかな。

これが第一弾ということは、第2弾もあるってことですよね。この後どんなものが誕生するんでしょうか?そちらも気になります。

鉄腕アトム Complete BOX 1 [DVD]

Raspberry Pi Zeroが2月24日に国内発売でお値段702円!

てっきり1000円程度になるだろうと思ってただけに、安いです。

Raspberry Pi Zero、702円で販売 - 週刊アスキー

Raspberry Pi Zeroの国内発売日が2月24日に決まりました。

取り扱うのはケイエスワイというところ。24日夕方から受け付け開始だそうです。

ホーム - Raspberry Pi Shop by KSY

5ドルコンピュータとして海外では衝撃的な価格で話題になりましたが、日本での価格もびっくりな税込み702円(税抜き650円)で販売。円レートを考えてもかなり思い切った価格じゃないかと。

Raspberry Pi Zeroでも、専用カメラセンサーがつけられるVer.1.3が提供される模様です。

電子工作用ガジェットとして、Linuxのお手軽入門機として、はたまた基板マニアの絶好の獲物として、ここ日本でも売られることになりそうですね。

ただし当面は1人1つで販売されるようです。しばらくは入手困難でしょうかねぇ。

Raspberry Pi Zero カメラケーブル Camera Cable for Raspberry Pi Zero

英語・イタリア語・中国語版”ロビのココロ”の案内

すっごい久しぶりに、ロビ君の話題です。

Img_0681

こんなハガキが届きました。

英語・イタリア語・中国語それぞれの”ロビのココロ”の単体 or セット販売の案内です。

週刊ロビは英語圏に中国、イタリアでも販売されており、その時の”ロビのココロ”がここ日本でも入手できるようになったみたいです。

子供の外国語教育に使えるんでしょうかね?なお、話しかける言葉は日本語でおKみたいです。

言葉が変わっても、キュートさは相変わらずですね。

そういえば、うちのロビ君は最近全然使ってませんね。プリンターの上に居座ってます。

たまには起動してあげましょうかねぇ・・・

Robi(ロビ) 組立代行バージョン

1992年の名機「Amiga 1200」のコンデンサ交換記事

まさにはんだ付けをやり続けている人のブログっぽいですが、Amiga 1200のコンデンサを交換、修復している記事が載ってましたので、懐かしさに駆られて紹介。

レトロPC Amiga1200 コンデンサ交換 : ハンダ付け(半田付け)職人の はんだ付けblog

1992年製、英国仕様のAmiga 1200の修理依頼を受けたそうですが、その修復風景がちょっと出てました。

Amiga 1200といえば、以前紹介した「1993年3月号ベーマガを見て現在を思う: EeePCの軌跡」の記事中にも出てきてますね。

Img_7318

日本では1993年初頭に発売、お値段約10万円。

この記事が今読んでも引寄せられるほどのAmiga愛にあふれた記事でした。Amigaで作られた「ウゴウゴルーガ」が流行っていた頃てこともあって、結構欲しかったですね。

そんなAmiga 1200もこうして今でも修復して動かせるようにしたいという要望があるんですね。ちょっと胸熱。

さて、そのAmigaは欧州ではどちらかというとゲーム機として使われていたようです。

一部のCG製作者をのぞいては、ほぼホビーパソコンだったようですが、Wikiを読む限りではセガサターンに負けたみたいですね。

Amiga - Wikipedia

このキーボード一体型の筐体、今ではむしろ新鮮なデザイン。このデザインで中に3.5インチHDDを2基、ワイヤレスのHDMIをつけてリビングPCとして使える仕様にすれば、今でも売れるんじゃないかなぁ・・・なんていう話は本題ではありませんね。

幸いにして、リンク先にあるAmiga 1200は修復可能で、無事持ち主の元に戻ったようです。修繕費は1.5万円ほど。

リンク先には貴重なAmiga 1200の中の写真が3枚ほど出てます。気になる方は是非ご覧ください。

レジェンドパソコンゲーム80年代記

2017年2月21日 (火)

Raspberry Piをきちんと落とせるスイッチ”Hackable Raspberry Pi Power Switch”

Raspberry Piの電源を切るとき、どうしてますか?

私は一応「sudo shutdown -h now」と打ち込んで、Raspberry PiのLEDの点滅が止まってから電源を抜いてますけど、意外と多くの人はそのまま引っこ抜いてるんじゃないでしょうか。

そんなRaspberry Piの電源をきちんと落としてくれるスイッチなるものがKickstarterで資金募集中です。

ありそうでなかったRaspberry Piの電源をきちんと落とせるスイッチ——「Hackable Raspberry Pi Power Switch」 | fabcross

”Hackable Raspberry Pi Power Switch”というこのスイッチ、押すとシャットダウンコマンドを投げて完全に停止した状態になってから電源を落としてくれるというもの。一連の操作をボタン一つで実行してくれます。

長押しすれば強制シャットダウンも可能。

お値段は115香港ドル(約1,700円)、送料は50香港ドルで日本にも発送してくるとのこと。出荷予定は今年の4月。すでに目標金額を突破しているようです。

Hackable Raspberry Pi Power Switch with Remote Control by Andrew Lai — Kickstarter

リンク先のタイトルにもある通り、ありそうでなかった商品ですよね。Linuxが苦手な人にはお勧めです。

Pi3 本体&ケース&ヒートシンク セット Raspberry Pi 3 Model B ヒートシンク銅の1つアルミの一つ 保護ケース 3in1キット (ブラックケース)

サンコーからLightning - イヤホンジャック変換アダプタ付きiPhoneスタンド

iPhone 7/7 Plus向けにLightningコネクタにさすイヤホンジャックアダプターがありますが、これをスタンドと兼用できるものをサンコーが発売しました。

画像1 - iPhoneスタンドにもなるLightning/イヤホンジャック変換アダプター - Phile-web

商品名は「スタンドにもなる吸盤ピタッとLightning-イヤホンジャック変換アダプタ」。長い名前です。

ちょっと分厚いスタンドですが、イヤホンジャック変換も兼ねていると思えばそれほど邪魔ではないかも。

ただしこの変換アダプタ、ほかのアダプタではよくある、充電しながらイヤホンジャックもさせるようにLightningコネクタがついているものとは違い、イヤホンジャックしかありません。

ただ、音楽停止/再生ボタンに音量調整、マイクを内蔵しているため、マイクの付いていないイヤホンを使っている場合でも電話に応答できます。

お値段は2,980円。通常のイヤホンをよく使うiPhone 7/7 Plusユーザーなら、導入してみるのもいいかもしれません。

スタンドにもなる吸盤ピタッとLightning-イヤホンジャック変換アダプタ STNDCVT2 ※日本語マニュアル付き サンコーレアモノショップ

2017年2月20日 (月)

線画に自動で色づけする人工知能Webサービス

色塗りの精度が半端ないですね。

日本の「線画を人工知能で自動着色するサービス」で色塗りしたイラストが凄すぎる!【台湾人の反応】 | kaola.jp

線画に自動で着色してくれるというWebサービス”PaintsChainer”というサイトがちょっと話題になってるようです。

上のとおり、線画に自動で着色してくれるというサービス。

PaintsChainer

要するに人工知能で色付けを行っているようですが、自動で処理しているわりにはグラデーションのかけ方など半端じゃありません。

なお色の指定もできるようで、服の色など指定してやればイメージ通りなイラストができてしまうようです。

絵師さんの仕事がこれで一つなくなった・・・なんて嘆き声があるようですけど、そもそも線画をきれいに書く技術の方だって難しいと思うんですが。いくら人工知能が発達しても、線画までは自動で書いてくれませんし、まだまだ絵師さんは大事な存在です。

着色する暇がなくてあまり絵を描かなくなった・・・なんて人には朗報なサービスじゃないかと思います。

ワコム ペンタブレット Intuos Draw ペン入力専用 お絵描き入門モデル Sサイズ ホワイト CTL-490/W0

議事録を自動で作ってくれるAI”clake.ai”

電話会議限定で、今のところ英語のみ対応らしいですが、思わず欲しくなるAIの登場です。

なにこれ、超楽じゃん。会議の議事録を自動でいい感じに作成するclarke.aiがイケてる | デジマラボ出張所 | Web担当者Forum

公式サイト:clarke.ai - Personal assistant that takes automated notes and follows commands during conference calls

音声会議の内容を文書化してくれるだけでなく、重要な案件やだれがどんなタスクを割り振られたかまで把握し整理してくれるそうです。なにそれすごい。

議事録は参加者にメールで送られ、スケジューラやTodoソフトに登録することもできるみたいですね。

もっとも、似たようなものをJapan IT Week関西でも目撃しましたが・・・こちらはややコンシューマ向けな感じなので、よりお手軽でしょうか。

これはこれですごい人工知能ですが、前提として会議が理路整然と行われた場合に役立つツールでしょうね。

しかし、そうでない会議ってものもあるわけでして、支離滅裂なことをいう人ってたまにいますよね。

その人の言動をいちいち真に受けて記録していたらいったいどんな議事録やTodoが作成されてしまうのやら・・・ちょっと怖い気もします。

コンセンサスの取れた内容だけ共有してくれるんでしょうかね?そこまで賢いならすぐにでも欲しいところですが。

世界で一番やさしい会議の教科書

2017年2月19日 (日)

python上のグラフを漫画風に変えてしまう宣言文”xkcd”

pythonにしてはずいぶん砕けた機能です。

”xkcd”というWeb漫画があるそうですが、python上のグラフをそのxkcd風に変えてしまうという機能があるそうです。

【xkcd】pythonコードにたった一行で漫画のようなグラフを作る! - プロクラシスト

例えばこんなグラフ。

なんだか、手書きのグラフのようですね。

pythonでグラフを書かせる際に、以下のようなコードを先頭につけるといいようです。

import matplotlib.pyplot as plt
plt.xkcd()

これを使えば、3Dグラフもこの通り。

脱力感というか、あまり真面目な数値データに見えませんねぇ。

使い道を聞かれても困っちゃいますが、例えばこういう感じの和んだ雰囲気の資料が作りたいときにはぜひ活用してみてはいかがでしょうか?

今すぐ使える!資料を「一目瞭然」にする グラフの正しい使い方 ~人を動かす!数学的コミュニケーション術2~ (幻冬舎plus+)

Raspberry Piで動作するロボットアーム

Kickstarterにて資金募集中の案件ですが、子供でも作れるという簡単さが魅力的です。

Raspberry Pi用の組み立て式ロボットアーム「MeArm Pi」--子どもでも簡単に - CNET Japan

この”MeArm Pi”というロボットアーム。

ベースの部分にRaspberry Piを設置して、その上にジョイスティック付きのシールドをかぶせます。あとは各サーボとこのシールドを接続するだけ。

プログラムもScratch等を利用した簡単なものなので、子供の学習用に最適。

たかがロボットアームと侮るなかれ、動画上ではプログラムでいろいろなことをさせてますね。ただ、はんだごてを使わせるシーンは少々無理があるかと。

Raspberry Piは別売りで、60ユーロ(約7,300円)の出資から入手可能。

価格もお手頃ですし、こういうものに興味を持ったお子さんがいるなら一つ買ってみるのもありかと。

サインスマート 3軸 パレタイジングロボット ロボットアーム キット For Arduino UNO MEGA250 電子自作

2017年2月18日 (土)

”Japan IT Week関西”に参加するため大阪出張

2月16日木曜日の話ですが、大阪に出張してきました。

Img_2614

乗った新幹線は7:25 名古屋発 ひかり493号

Img_2585

ここに至る途中、地下鉄 鶴舞線からJRの鶴舞駅より名古屋に向かったんですが。

そのJR鶴舞駅そばにはポケモンGOの聖地といわれれた鶴舞公園があります。

Img_0645

まだ朝6時40分ごろ。すでにルアーモジュール全開です。

この日はちょうど金銀ポケモンリリース前日。こんなに盛り上がるネタはないはずなんですが・・・聖地はやはり違いますねぇ。

Img_2589

おっと、ポケモンGOの話ではありませんね。Japan IT Weekです、IT。

Img_2590

新大阪へGO!

Img_2593

途中、関ケ原を通過。”関ヶ原の合戦”の、あの関ヶ原です。

まだ残雪が結構ありましたね。中央にあるのは伊吹山です。

ちなみにこの山、1927年に積雪11メートルを記録したらしいです。観測記録がある場所での世界一の積雪量だとか。これ豆知識。

この雪、米原あたりまで続いてました。

Img_2595

途中、京都に停車。中央にあるのは京都タワー。

シンボルタワーが”テレビ塔”のどこかの都市とは大違い、ちょっとおしゃれですねぇ。

Img_2601

で、ほどなく新大阪に到着。

約50分。東京に行くよりは近いです、新大阪。

Img_2605

ところがここからが迷いました。

経路としては、新大阪駅 → 大阪駅 →(大阪環状線)→ 弁天町駅 →(地下鉄)→ コスモスクエア駅 なんですが、そもそも大阪駅へはどの線の何行きに乗ればいいのかがわかりにくい

新幹線の新大阪駅から大阪駅へ行くのはある意味デフォなんですから、もうちょっとわかりやすくならんもんですかねぇ・・・

ところで

Img_2583

近年「エスカレーターは歩かない」といわれつつも残っているのはこのマナー。

急ぐ人用に片側を開けるというやつですが、東京・名古屋はごらんのとおり急ぎ用は右側、歩かない人は左に寄ります。

Img_2713

ちょっとわかりにくいですが、大阪は左側が急ぎ用通路。なので、歩かない人は右に寄ります。

これわりと有名な慣習の違いとして知られてますけど。

この日の大阪駅は両方歩け!でした。右に寄ったのに止まれません。

恐ろしいところです、大阪は。

ところで、大阪駅に着いたのは8時半ごろ。

一方、Japan IT Week関西の会場が開くのが10時。

このままストレートにいくと30分程度あれば着きます。1時間ほど余裕があるんですが。

Img_2609

実はこういうところに寄り道。八幡屋公園というところ。

Img_8274

実はこの時期、この辺りは「ワンリキーの巣」になってたため、訪れた次第。

Img_0649

ものの20分ほどで数匹捕獲。無事”カイリキー”に進化させられました。

これで、金銀ポケモンリリース前には残り4種類(カブトプス、ベトベトン、ブビィ、トゲチック)で国内コンプリートというところまで来てたんですけどね。

おっと、ポケモンGOの話じゃない、ITです、IT。

Img_2611

ちょうど10時には会場のインテックス大阪に到着。

名古屋でいうところの”ポートメッセなごや”でしょうか。規模は段違いですが。

Img_2613

会場に着くと、Japan IT Weekは一番奥のようです。同時にメディカル ジャパンてのも行われてました。

Japan IT Weekとは、要するにIT関連の展示会。IoTやモバイル、クラウドコンピューティングに関する企業が一堂に会したビッグイベントです。

Img_2617

それにしても、マップに書かれた”奥の会場”というのが予想以上に遠くて・・・結構歩きました。

Img_2623

受付にたどり着くとすでにこの人の山。15分ほどかかって受付終了。

ちなみに、受付時には自分の職種(経営、システム開発、生産、設計・開発、営業・・・)に合わせた札がもらえます。

その札を見れば、会場の人がどのフレンズ・・・じゃない、どんなジャンルの人かが一目でわかります。

なお、私は「設計・開発」フレンズですね。会場内にもわりといました、設計フレンズ。

Img_0652

やっと、中に入ります。

Img_2627

受付では凄い混みようでしたが、中に入るとまだ人はまばら。

各ブースの人もまだ少ない客めがけて客寄せしてましたが。

Img_2665

これが昼になるともうこの有様。

Img_2663

こんな感じに案内図はもらいましたけど、どのブースも似たようなレイアウトで、すぐに迷いました。

なお、会場は2つに分かれてて、全部で300社が出展。そりゃ迷うわけです。

さて、ここでようやく会場内の紹介です。やっと本題ですね。

気になるブースを紹介します。

Img_2635

まずはJUST SYSTEM。一太郎やATOKの、あのJUST SYSTEMです。

Img_2634

しかし、ここで展示されていたのは「BIツール」とよばれるもの。

例えば、たくさんの販売拠点があって、それぞれの拠点での毎月の売り上げの変動を把握するためにデータを分析したい。そういう需要、当然あります。

その時そのデータを見やすくし、かつ売り上げが変動した場合の履歴を残せたりする(グラフにコメントを紐づけできる)ので、経営戦略上は非常に役立つツールです。

私のところでも、例えば部署内で収支の集計てのはやりますますけど、部門内全体での集計はそれぞれのところから月に一回Excelのファイルを集めているような状況。リアルタイムな変化なんて追っかけてません。

さまざまな会議で使ういろいろな分析資料を作る業務もあるんですが、この断片的なファイルをいちいちかき集めて作っているのが現状。

これがあればほんとクリック一発。欲しいですね、うちにも。

Img_2636

続いてmineoです。MVNOのあのmineo。

企業向けにもIoTサービスやってたんですね、ここ。

Img_0668

他にも、社内の携帯機器向けにお安いプラン提案もやってました。

料金は個人向けと全く同じですね。

Img_2640

HPCシステムズという会社もブースを構えてました。

この会社、クラスタリングシステムを手掛けているところという認識でしたが。

Img_0666

ここでは”ディープラーニング”向けの機器を展示・紹介。

機械学習用にはGPUがかなり有効ですけど、この機器は(会社が買うには)お手軽な価格で提供されているもの。

Img_0665

ちなみに、世界最速なれども値段高し というNVIDIA製DGX-1という端末もありました。

こいつのお値段は・・・会社的にもちょっと高い。

これが買えるくらいのツールを私も作れるようになって、導入してみたいですね。

Img_2669

jettiとは、海外出張向けのモバイルWi-Fiルーターをレンタル・販売・通信サービス提供をしている会社。

例えばシンガポール経由でタイに行ったりする場合、どちらの国でも定額で使えるルーターを貸してくれるところのようです。

複数の国に出張する場合は便利ですね。

Img_2660

MSソリューションズというところはカスタムスマホ・タブレットケースを作る会社。MS社とは関係ないようです。

例えば営業向けに肩掛けと名刺入れをつけたケース作って、という要望に応えられるところです。

Img_2664

ああ、うちも図面と一緒に持ち歩けるiPadケースなんてあると便利ですよねぇ・・・なんて感じの話をしてたら、なぜかiPhone 6のケースをくれました。

Img_2666

MOTEXというところでは、新しいウィルス対策ソフトの紹介やってました。

Img_0667

プロテクトキャットというソフト。人工知能を搭載しており、ファイルの中を分析して未知のウィルスでも発動前に除去してくれるという画期的な対策ソフトです。未知のウィルスの防御率はなんと99.7%!

Img_2651

ところで、この最新のIT機器・サービスの展示会にこんなものが!

どう見てもPC-8001、ThinkPad 701。タイムスリップでもしたのか!?

Img_2653

と思ったら”パソコン回収.com”というブース。

こんな古いパソコンでも無料で回収してくれます。いやそれ、無料じゃもったいないでしょう・・・買取もやってるみたいですが。

上の写真の中央部もよーく見ると

Img_26531

MZ-80Bです。しかも動いてました、これ。

最新のIT情報を入手するはずが、こんなところで貴重なマシンに出会えるとは、ちょっと感動です。

Img_2641

広い会場とはいえ、二つのビッグイベントを抱えていて、昼食は大丈夫なのか・・・と心配になりましたが。

Img_2643

敷地内にはところどころこんな感じの売店があって

Img_2645

適当ですけど、何とか済ませることができました。

ちょっと興奮気味だったのか、あまり食欲はなかったですね。

Img_2649

会場内にもこんな店がありました。

くどいのばかりでこのときはあまり食べる気にはなりませんでしたけど、今だったらちょっと食べたいかなぁ。

Img_0651

なお、ここはコイル・ビリリダマの巣になってるようで、ひたすら湧いてたみたいです。

が、正直ポケモンGOをやる暇など、ありませんでした。なにせ一日で300社をスキャンしなきゃいけませんし。

Img_2657

いろんなブースがあって、なぜかミニ四駆を走らせているところや

Img_2655

会議の音声から勝手に議事録を作ってくれるシステムを扱ってるところや

Img_2630

自動運転、手話認識用の画像認識技術を展示してるところもありました。

Img_2654

私に限らず、ブロガーならちょっと気になるサービスも・・・

3時半から講演会があって、そっちにも参加してきました。

その中でGoogleクラウドを手掛ける方の講演があって、機械学習とクラウドサービスを活かすためにはという内容の話をされてました。

ご存知、GoogleはAI関連のサービスをいくつか展開。gmailで返信文章を自動で作成してくれたり、画像認識でスタジアムの写真からその場所や中に書かれた文字を解読してくれたり、などなどのGoogleサービスの話を中心にされてました。

TensorFlowのように企業がAIの活用につながるものも提供しているということもあって、機械学習を業務に活かすためにはという話も。

曰く、まずデータを一元化しないとだめ、とのこと。部署間や担当者間、グループ間でフォーマットがバラバラな状態では機械学習どころじゃないですよね。まあ、うちがそんな感じですが。

そこから”死角”を探し出し、これを解決するための方法を検証する・・・という試行錯誤で機械学習データやそれを利用する仕組みが活かされる。そんな内容でした。

Googleの様々なサービスも、こういうプロセスでできてるんですかね。参考にしてみます。

Img_2683

とまあ、そんなこんなで会場を後にし、再び新大阪へ。

お土産をどこで買おうかと思ってうろうろしていたら、新幹線改札手前でこんなコーナーを発見。

Img_2691

わりと大きな土産物屋、食事処が固まったところです。

時間に余裕があったので、ここで食事を済ませて土産を買って帰ることに。

Img_2688

食事は結局麺類のお店の

Img_2689

”新大阪そば”にしました。

このお店、レンゲがなかったんですよね・・・寿がきやでもあるでしょ、レンゲくらい。

Img_2693

でもそのあとでこのお茶漬け専門店を見つけちゃったんですよね。こっちの方が、このときはちょうどよかったんですが、もう食べちゃいましたし。

Img_2696

みやげ・食事店がかたまるこのコーナーでひときわ大きかったお店がこちら。

レシートで知りましたが、セブンイレブン系のお店でした。

Img_2703

こんな面白いものが売ってました。

一見お好み焼きですが、チーズケーキです。家族用に購入。

Img_2709

帰りは19時40分発のひかり。

東京方面に向かう人はひかりに乗らないため、結構空いてました。指定席は窓際に座る人がほとんどという状態。新大阪から名古屋に帰るなら”ひかり”ですね。

Img_8276

帰りの新幹線では、外が真っ暗でどこは知ってるのかさっぱりだったので、マップアプリで位置を確認。

考えたらこの経路は”関ヶ原の合戦”をやってた場所なんですよね。おかげで”大谷吉継の墓”なんてものが見えます。

大谷吉継、石田三成が負けるとわかっていて、それでも三成方についた義理の厚い西軍の武将。小早川秀秋の裏切りには三成をかばうように対抗したものの敗れ、最後は自刃したといわれています。

ちなみにマップの下にある松尾山は、その小早川秀秋が陣を張っていた場所。家康がしびれを切らして大鉄砲を松尾山に放ち、それをきっかけに小早川勢が動き、この合戦の勝敗は決したといわれております。

Img_8277

その家康のいた場所はそのちょっと先のあたり。島津義久・豊久が退き口で中央突破を図ったあの家康本陣のあったあたりを時速270kmで突破していきます、新幹線。

この時代にこんなものが走ってきたら、さすがの家康・島津もびびるでしょうねぇ。

Img_8278

などと下らない事を考えているうちに名古屋に到着。

Img_0658

名古屋駅のツインタワーを見て安心できる当たり、私はすっかり名古屋圏人ですねぇ。

Img_0660

さて、戦利品です。

先ほどのiPhoneケースと合わせて、こんなにいろいろもらいました。スマホグッズが多いですね。

Img_0663

なぜか食べ物系もいくつか混じってました。真ん中のは一応ポッキーです。

Img_0676

そしてお土産はこちら。

先ほどのお好み焼き風チーズケーキに神戸牛ラーメン。これが家族用。

職場用には焼きティラミス、そして私が”ごみやげ”と呼ぶ大量のお菓子の入った赤いやつ。

ごみやげとは「お土産は数だよ兄貴!!」なお土産のこと。とりあえず自分の部の人向け(総勢100人弱)にばらまけるだけの数で勝負のお土産、です。

Img_0673

結構大量のパンフレット(赤い袋に集約)と多くの袋。これが一番重かった・・・翌日には手が筋肉痛です。

Img_8279

歩いた歩数は2万歩以上、カロリーは目標の3倍越え、見たことのないアクティビティ値です。

こんな感じにIT情報収集に行ってまいりました。

今年はこんな感じの出張がちょくちょくありそうです。

大阪の恋人(ホワイトラングドシャ)

糖尿病の悪化につながる”治療中断”を事前に予測する人工知能

こんなところにまで人工知能が入り込んできてます。

糖尿病の患者のうち、8%ほどが治療を中断する可能性があるようで、その理由として仕事の忙しさや医療費の負担が挙げられるようです。

しかし糖尿病というのは一度発症したら継続的な通院が必要なことが多く、治療中断してしまうと重症化し、重い状態で再び病院に来るケースというのが多いようです。

そこで、医師のカルテ等をもとに”治療中断”しそうな患者さんを予測するという人工知能が登場したそうです。

糖尿病の悪化につながる「治療中断」 人工知能で予測し中断を防ぐ | ニュース・資料室 | 糖尿病ネットワーク

治療中断に至る前に、たとえば予約外来の不受信を繰り返すなどの予兆が現れるそうです。

また、受診の曜日や間隔なども影響を与えているようです。

これらを考慮し、900人の患者で評価したところ、7割の精度で予測できたとのこと。

治療に行かなくなる原因なんて人それぞれで、それこそ法則性があるわけではないのにこの精度。なかなかのものです。

糖尿病に限らず、通院が必要なのに治療を中断してしまうというケースはどんな病気でもありそう。軽い病気だと多いんじゃないでしょうか?

将来的にはこの治療中断予測が広く活用されるかもしれませんね。

人工知能が変える仕事の未来

2017年2月17日 (金)

ポケモンGOがバージョンアップ & 金銀ポケモン追加

今朝方、ポケモンGOの”1.27.2”へのアップデートがあったので、特に何も構うことなくアップデート。

アップデート内容を見る限りではポケモン捕獲画面や夜のBGMが変わるなど、大した変更じゃないと思っていたんですが。

会社の昼休みに何となく起動したら

Img_8280

!?なにやつ!?

ポッポの画像がバグったのかと思うような変なポケモンが登場。

ここ数日あまりポケモン情報を見てなかったんですが。

ようやく”金銀ポケモン”が追加されたんですね。

今までもベビーポケモンが一部追加されてましたけど、いよいよ本格的に追加された模様。

Img_8281

へんないきものだけど、きみもポケモン フレンズなんだねぇ~

きっと金銀ポケモンでは”ポッポ”クラスの雑魚なのかもしれませんが、今のところ珍しいポケモン。ちょっとモチベーションが上がります。

Img_8284

続いてはクモのような微妙な奴が登場。

Img_8285

じゃんじゃん図鑑に追加されます。

ここ最近、図鑑に登録される画面を見てなかったんですが(実は昨日見てます、そのあたりの話は別途)、こうあっさりと図鑑登録が捗るとやる気になりますね。

なお、P-GO Searchには今日の昼時点でアイコンが出てこなかったんですけど。

すでにアイコン・名称ファイルが出回ってました。

【P-GO SEARCH】金銀ポケモン版画像アイコン表示と名前変更設定方法治し方一覧まとめ【ピゴサ】 | ポケモンGOクラスタ

やり方は上にもありますけど、上のサイト中にあるアイコン用画像データ(~.png)と名称ファイル(~.png)のアドレスをそれぞれP-GO Searchの設定の中の「カスタムアイコンファイルのURL」と「カスタム種類名ファイルのURL」のところに張り付けて”閉じる”をタップします。

Img_2727

すると画面はこの通り

Img_8287

表示されるようになりました。

Img_2728

名称もこの通り。

Img_2730

じゃんじゃん新ポケモンがたまっていきます。

が、このままではポケモンボックスがあふれちゃうんじゃないかと思っていたら

Img_8286

今日限定で「ポケモンボックスアップグレード」が100コインで入手可能になってます。

早速ゲットして50ほど増量しておきました。

まだどのポケモンがどれくらいの頻度で出るものなのかがわかりませんが、当面は図鑑の増加を楽しめますね。

ところで、これ以外にも本日変わったところはあるようで。

気づいたものでいえば

・ ポケモン捕獲時のよけ方がちょっと変化

・ ”オス”、”メス”の区別が付けられている(私の所有するベトベターがすべて”メス”だったのは衝撃)

・ トゲピーを相棒にしてますが、アメゲットの距離が5km→3kmに変更された

などなどです。他にもいろいろありそうです。

国内コンプリートまで残りあと4つまで来てたんですが、またどかっと増えましたねぇ。当面コンプリートすることはなさそうです。

Pok・mon GO Plus (ポケモン GO Plus)

オーバークロック対応なお得なCPU”Core i3 7350K”

久々に面白そうなCPUが登場。

ASCII.jp:たーのしー!Core i3-7350Kをオーバークロックしたら5GHzで動いたよー (1/3)

なぜ、タイトルが「けものフレンズ」風なのかはわかりませんが・・・Corei 3シリーズで”K”が付くCPUというのは確かに初めて見ます。

保証外とはいえ、オーバークロック設定が可能なこのCore i3 7350K。

2コア/4スレッド 4.2GHzで、24,000円程度で買えるCPU。ただし、CPUクーラーは付属せず。

一つ上のグレードの”Core i5 7400”(4コア/4スレッド 3GHz TB時3.5GHz)が25,000円程度らしいので、あまりお買い得とはいいがたい微妙な価格のCPU。

その代わり、オーバークロック設定が可能というのが売り。

で、リンク先にて先行品を使って、オーバークロック実験を敢行してます。結論から言えば、5GHzまでクロックアップに成功。

さぞかしすごいクーラーを使っているのかと思いきや、使われたのはIntel純正の普通のクーラー。

安定動作を目指すなら4.5GHz程度にしておくのがよさそうですが、それにしても大したオーバークロック耐性です。

これだけのクロックであれば、シングルコア性能ならCore i5を余裕でしのぐ性能。

実は多くのソフトはシングルコアしか利用していないため、おおむね普段使いなら最強と申し上げても差し支えないかもしれません。

でも、私がこれを所有しても持て余しそうだなぁ・・・動画変換も最近それほどやらないし、CPUをガンガン使うことがほとんどなくなりましたね。

CPU負荷が高い処理を必要とし、かつシングルコア性能が重要なソフトをお使いの方なら、このCore i3 7350K、威力を発揮してくれるものと思います。

Intel CPU Core i3-7300 4.0GHz 4Mキャッシュ 2コア/4スレッド LGA1151 BX80677I37300 【BOX】

Apple Watchに純正のバッテリー内蔵バンド登場か!?

すでにサードパーティ製で、そういうのはありますよね。

ですが、Apple自身がバッテリー内蔵のApple Watch用バンドを出すかもしれません。

「Apple Watch」、バッテリー内蔵式の交換バンドを開発中か - GGSOKU - ガジェット速報

というのも、そういうAppleの特許情報が出てきているようです。

Appleの特許情報から、数年後に実現するものは確かにありますから、これは商品化される可能性高いですね。

Apple Watchの欠点は、やはりバッテリー容量が小さいこと。

Apple Watchに通信機能やさらなるセンサー類を内蔵しようとすると、どう考えても容積が足りません。何よりもバッテリーの負担が増加し、バッテリーが持たなくなる恐れが増大します。

ということで、このバッテリーバンド、出てくる可能性は高そうです。実際にそういうのすでにありますし。

しかしただのバッテリーバンドではなくて、発熱量を検知し最適な電力を供給する仕組みであると記されているそうです。

Apple Watch 3あたりで出てくるんでしょうか?そのころには私のApple Watchも買い換えですかね。

UGREEN Apple Watch 充電ケーブル Apple Watch用モバイルバッテリー 2200mAh アップルウォッチ iphone 同時充電 MFI認証済み

2017年2月16日 (木)

7インチの小型ノートPC”GPD Pocket”が399ドルで入手可能

Indiegogoで出資者募集中、すでに目標金額突破済みの案件です。

7インチWindowsノート「GPD Pocket」が出資受付開始、$399で6月出荷の本体が獲得可能

出資受付サイト:GPD Pocket: 7.0' UMPC-Laptop 'Ubuntu or WIN 10 OS' | Indiegogo

GPDといえば以前にもNintendo 3DS LLサイズのWindows PC”GPD WIN”を出したところですよね。

今度はちょっと往年のVAIOっぽい雰囲気のスタイリッシュな端末を出してきました。

CPUはAtom x7-8700(クアッドコア、1.6GHz)、メモリ4GB、128GBストレージ、1920×1200の7インチIPS液晶を搭載。OSはWindows 10 HomeかUbuntu 16.4 LTSのいずれか。

バッテリー容量は7000mAhで12時間駆動とのこと。

Macbook Airあたりと比較しているシーンが多いですが、このGPDは画面が小さいため分厚く見えてしまいますから、ちょっと無理がある感じ。でもまあ、スタイリッシュなのは違いありません。

Ubuntu版、Win版ともに399ドルから一つ入手可能、6月に発送予定とのこと。

正直、ちょっとぐらぐら来てますねぇ。これさえあれば寝床でブログ更新が・・・じゅるっ!

(VANGOOD)ポケットサイズWindows10ゲーミングPC GPD WIN 64GB Intel Atom X7-8700 Quad Core 5.5 Inch Windows10 GamePad Tablet [並行輸入品]

おフランスで1.5万円な格安スマホWiko ”Tommy”上陸

いわゆるSIMフリーな格安スマホですが、わりとおしゃれな感じの端末です。

1万4800円で買える仏WikoのSIMフリースマホTommyは、強烈な個性の塊だった(実機インプレ) - Engadget 日本版

フランスのWiko社が日本法人を設立(日本法人名:ウイコウ・ジャパン)して投入してきたのは、なんとなくLumia等のWindows PhoneをほうふつとさせるAndroidスマホ”Tommy”です。

5インチIPS液晶(解像度 1280×720)、SoCはSnapdragon 210(4コア、1.3GHz)、メモリ2GB、ストレージ 16GB(microSDXCスロットには最大64GBまで追加可能)、OSはAndroid 6.0。

カメラは背面800万画素(SONY製センサーらしいです)、前面500万画素、LTE対応で、キャリア次第ではVoLTEもOK。

価格は14,800円、発売は2月25日。

独自アプリは少なめなようですが、逆にそれがいいかもしれません。おせっかいなアプリを入れられるよりはよほどかすっきりしてます。

なによりもこのスマホの特徴はこのデザインでしょう。6色のカラバリはいずれもあか抜けた感じでよろしい。これで1.5万円はなかなかすごい。

表面の質感にも抜かりなしのようです。1.5万円ですよ、これ。

スペック的にもSnapdragon 210ならまあまあのレベルだし、一つほしくなりますねぇ。

冗談抜きに、久々に欲しいと思えるAndroid端末です。

555 - Cool Be Free Birds Sky And Clouds Cute Natural Look Wiko Tommyゲルシリコン ファッショントレンド スマートフォンケース カバー

2017年2月15日 (水)

超小型衛星打ち上げロケット”SS-520”の失敗原因は

先日打ち上げられて2段目の点火前に通信途絶により失敗した超小型の衛星打ち上げロケット”SS-520”。

失敗の原因が公表されましたね。

ギリギリの設計が仇に──JAXAの新型ロケットが打ち上げに失敗したワケ - Engadget 日本版

原因は「軽量化のためのギリギリ設計」だったようです。

これだけ小型の衛星打ち上げロケットともなると、振動は相当なもののようですが、そこに軽量化のために細くした配線の被膜が振動による摩擦と熱によりはがれ、配線と金属部とが接触、ショートした結果電源喪失につながったとのこと。

今後は設計を見直し、配線と金属部を離して接触しないようにするみたいです。

言葉を濁してましたが、次もやるんでしょうね、きっと。いや、ぜひやってほしい。クラウドファンディングで資金募集してたら真っ先に入金したいです。

H-IIA/Bやイプシロンを保有する日本にとって、別にこんな小型のロケットで衛星を打ち上げる必然性はないんですが、こういうものは安価・小型化の流れは必然ですし、スマホ全盛のご時世に小型の衛星だってかなりの性能のものが作れる時代ですから、小型のロケットというのは今後需要を増すんじゃないかと。

技術開発用ロケットというと、やはりこのセリフですよね。

できれば次に成功してほしいですけど、仮にあと2~3回失敗しても、最後に成功さえすれば得られるものは大きいと思いますね。

イプシロン・ザ・ロケット ―新型固体燃料ロケット、誕生の瞬間

なんとアルバム33曲すべてが”Get Wild”なTMNの新しいアルバム

同じ曲でアルバムができてしまうというのもなかなかすごい話ですけど、そんなTMNの新しいアルバムが4月5日に登場です。

え、33曲全部「GET WILD」!? TMの新アルバムがワイルドすぎてアスファルトタイヤを切りつけたいレベル

収録されている曲(全部Get Wildですが)は以下。

・Get Wild(1987/4/8)
・Get Wild(“FANKS CRY-MAX”Version)(1987/6/24 日本武道館)
・GET WILD ‘89(1989/4/15)
・Get Wild(“COLOSSEUM I”Version)(1989/8/29 横浜アリーナ)
・Get Wild(“RHYTHM RED TMN TOUR”Version)(1991/2/22 仙台イズミティー)
・Get Wild(“tour TMN EXPO ARENA FINAL”Version)(1992/4/12 横浜アリーナ)
・Get Wild(techno overdub mix)(1993/8/21)
・GET WILD ‘89(“TMN final live LAST GROOVE 5.18” Version)(1994/5/18 東京ドーム)
・GET WILD DECADE RUN(1999/7/22)
・GET WILD(LIVE EPIC25 ver)(2003/8/20)
・Get Wild(Double Decade 2004/4 横浜アリーナ)
・Get Wild(Double Decade 2004/6/24 日本武道館)
・Get Wild(REMASTER version)(2007 日本武道館)
・Get Wild(Incbation Period version)(2012/4/25 日本武道館)
・Get Wild(FINAL MISSION -START investigation- version)(2013/7/21 さいたまSS)
・Get Wild 2014(2014/4/22)
・Get Wild(the beginning of the end version)
・Get Wild(QUIT30 HUGE DATA version)
・Get Wild(30th FINAL version)
・Get Wild 2015 -HUGE DATA-(2015/3/21)

アレンジ版、Live版などなど、いろいろですね。

とにかく派生の多い曲だという認識はありましたが、まとめるとなかなかすごいものですね。

私が好きなのはやはりオリジナルの1987年版と、’89あたりまで。”TMN final live LAST GROOVE 5.18”も持ってます。それ以降はあまり知らないですね。

お値段は3,000円。TMN好きな方には気になるアルバムになりそうです。

2017年2月14日 (火)

ビッグデータ解析に最適な”R”で”ランダムフォレスト”手法を体感してみた

最近、欲張りなことに”ディープラーニング”と”ビッグデータ解析”を同時に勉強してます。

ディープラーニングの方はさほど進展ありませんが、ビッグデータ解析でちょっと新しいツールと手法の存在を知ったので、早速使ってみました。

以下、このサイトを参考にしてます。

Rで遊ぶ ~ワインの等級をrandomForestで予測~ - Qiita

ここの記事が。ランダムフォレストってやつを試してみるには一番わかりやすかったですね。

ただ、ちょっとこの記事の内容だけでは端折りすぎててたどり着かなかったので、補足しつつ紹介。

まずツールですが、”R”と呼ばれるものがあります。

The Comprehensive R Archive Network

ビッグデータ解析や機械学習に使われる統計解析向けプログラミング言語・実行環境です。上のサイトから入手。

私はWindows版をゲット。バージョンは3.3.2でした(近々3.3.3が出るらしいですが)。

ダウンロードしたら早速インストール。

R_rndfrst01

デスクトップにアイコンができるので起動すると、こんな感じの画面が。

R_rndfrst02

さて、早速バリバリと使って解析・・・とはいきませんで、パッケージをインストールしなきゃいけません。

ここでは”caret”と”randomForest”の2つのパッケージを使うので、これらをインストールします。

上のメニューの”パッケージ”から”パッケージのインストール”を選択。

R_rndfrst03

最初だけ接続先を聞かれます。”Japan(Tokyo)”というのを選びます。

R_rndfrst04

続いてパッケージを選択。

R_rndfrst06

ほんとにたーくさんあるので気がめいってきますが、この中から”caret”と”randomForest”を探し出してCtrlキーを押しながら選択し”OK”をクリック。

R_rndfrst05

なにやらインストールがはじまります。

しばらくすると終了。

いよいよ、ビッグデータ解析の手法の一つである”ランダムフォレスト”ってやつを使ってみます。

と、その前にランダムフォレストとはなんぞや?ですが。

以下に説明サイトを張り付けておきますが。

Rでランダムフォレスト(random forest) | 一言茶屋 ~統計、R、Excelとか~

多分、なんのことやらわからないかもしれません・・・私も、社内の勉強会で説明されるまでさっぱりでした。

てことで、私なりに説明を。

例えば、良品・不良品の明確な基準がない製品がある(出来上がったら良・不良がわかる)として、その製品の大きさ・重さから良品・不良品を分ける仕組みを作ろうとします。

R_rndfrst11

そこで、上のようにa(mm)、b(mm)、c(g)それぞれの良・不良の条件を仮に決めて、上のような枝分かれなふるいにかけます。

R_rndfrst12

右のような製品の場合、この基準では「不良品」とされてしまいます。

実際に、この製品が不良品だったならこの”ふるい”は正しいということになります。

こういうのを”決定木”といいます。

R_rndfrst13

こんな感じの決定木をたくさん作ります。

a、b、cの基準や枝分かれの数などはランダムに決定。

ただし、あらかじめ良品・不良品のわかっているデータを使って、この大量の決定木を”学習”させます。

学習によって作られた大量の”決定木”を使ってそれぞれで”良品”・”不良品”を判断させて、これら決定木の判断の多数決で良・不良を決定します。

最初の学習で”決定木”をランダムに生成し学習、その決定木をたくさん集めた”森”ということで”ランダムフォレスト”というそうです。

たくさんのデータがあれば、判断の精度も上がるようで、わりと使いやすく精度の高いビッグデータ解析手法として注目されているようです。

そんなランダムフォレストの威力を確かめるため、以下のサイトからデータを入手します。

UCI Machine Learning Repository: Wine Data Set

機械学習に使えるデータをたくさん登録しているUCIというサイトから、ワインの等級(1~3)とアルコール度やリンゴ酸含有量、色調などのデータが170個ほど収められてます。

上にある”Data Folder”をクリックすると、”wine.data”というCSV形式のファイルをゲットできます。

これをPC内に保存しておきます(ここでは”c:\tmp”に保存)。

先ほどインストールした”R”を起動、以下のコマンドを入力します。

> library(caret)
> library(randomForest)

続いて”wine.data”を読み込み。

> dat <- read.csv("c:/tmp/wine.data")

以下のコマンドを実行して、列名を直しておきます。

> names(dat) <- c("class", paste0("V", 1:13))
> dat <- transform(dat, class = as.factor(class))
> head(dat)

ここで

> str(dat)

と打ち込むと、データの概要が見えます。

> str(dat)
'data.frame':   177 obs. of  14 variables:
$ class: Factor w/ 3 levels "1","2","3": 1 1 1 1 1 1 1 1 1 1 ...
$ V1   : num  13.2 13.2 14.4 13.2 14.2 ...
$ V2   : num  1.78 2.36 1.95 2.59 1.76 1.87 2.15 1.64 1.35 2.16 ...
$ V3   : num  2.14 2.67 2.5 2.87 2.45 2.45 2.61 2.17 2.27 2.3 ...
$ V4   : num  11.2 18.6 16.8 21 15.2 14.6 17.6 14 16 18 ...
$ V5   : int  100 101 113 118 112 96 121 97 98 105 ...
$ V6   : num  2.65 2.8 3.85 2.8 3.27 2.5 2.6 2.8 2.98 2.95 ...
$ V7   : num  2.76 3.24 3.49 2.69 3.39 2.52 2.51 2.98 3.15 3.32 ...
$ V8   : num  0.26 0.3 0.24 0.39 0.34 0.3 0.31 0.29 0.22 0.22 ...
$ V9   : num  1.28 2.81 2.18 1.82 1.97 1.98 1.25 1.98 1.85 2.38 ...
$ V10  : num  4.38 5.68 7.8 4.32 6.75 5.25 5.05 5.2 7.22 5.75 ...
$ V11  : num  1.05 1.03 0.86 1.04 1.05 1.02 1.06 1.08 1.01 1.25 ...
$ V12  : num  3.4 3.17 3.45 2.93 2.85 3.58 3.58 2.85 3.55 3.17 ...
$ V13  : int  1050 1185 1480 735 1450 1290 1295 1045 1045 1510 ...

ここで”class”とはワインの等級。この部分が最終的に予測させたい応答変数となります。

V1:アルコール度、V2:リンゴ酸、V3:灰、V4:灰のアルカリ性、V5:マグネシウム、V6:トータルフェノール量、V7:フラバノイド、V8:非フラバノイドフェノール類、V9:プロアントシアニン、V10:色彩強度、V11:色調、V12:蒸留ワインのOD280/OD315、V13:プロリンとあります。ワインに詳しいわけではないのでさっぱりですが、そういうパラメータがあるということで。

全部で178個のデータを、学習用と検証用に分けます。

手で分けてもいいんですが、以下のコマンドを使うとさらっと分けられます。

> index <- createDataPartition(dat$class, p=.8, list=F)
> train <- dat[index, ]
> test  <- dat[-index,]

こんな感じに、8割を学習用、2割を検証用に振り分けます。

続いてランダムフォレストでの機械学習に入るわけですが、その前に

> tuneRF(train[,-1], train[,1], doBest=T)

を実行。

R_rndfrst08

すると、こんなグラフが。

これ、決定木の枝分かれ層の数(mtry)の最適値を探る関数のようです。

リンク先記事には”6が最適”となってますが、上では2と6あたりがOOBエラーってのが小さめ(1はもっと小さいですが・・・)。2でも6でもよさそうです。

このグラフも、実行するたびに変化するんですが・・・なんなのでしょう?数回実行すると、だいたい6あたりが最小になってるっぽいです。

てことで、mtry = 6で実行。

> rf <- randomForest(class~., data=train, mtry=6)

応答変数を”class”、データは先ほど分離した”train”、決定木の層は”6”、決定木の数はデフォルト値(500)を使います。

で、機械学習の結果が”rf”ってやつに収められてるはずなんですが・・・これを検証します。

評価用に残した”test”ってデータを使って検証。

> table(predict(rf, test), test$class)
   
    1  2  3
  1 10  0  0
  2  1 14  0
  3  0  0  9

こんな感じのマトリックスが出てきます。

縦の列がランダムフォレストによって予測されたワインの等級、横が実際の等級を示しているようです。

例えば、”予測”も”実際”も1等級のものが10個あるといってます。

対角上にのみ数字が並べば全部正解!となったんですが、ランダムフォレストが”2等級”と予測したけど実際は1等級だったというものが1つだけあります。残念。

さて、V1~V13の”等級”に関する重みづけを次のコマンドで確認できます。

> importance(rf)
     MeanDecreaseGini
V1         7.1588086
V2         1.5091832
V3         0.6757448
V4         1.0331509
V5         1.7680900
V6         2.7761997
V7        19.1024801
V8         0.2138005
V9         0.8049197
V10       16.9945830
V11        5.8153684
V12       12.1655112
V13       23.5054326

ここではV13、V7、V10、V12、V1・・・の順に等級に影響を及ぼしていると推測できます。

とまあ、わかったようなわかんないような、ランダムフォレストのお試しでした。

これが一体何に使えるのか?

例えば、生産ラインで各々の機械に温度・加速度・光・・・・などのセンサーをつけておき、そのデータを記録。

ラインに流れる製品の良・不良を記録しておき、そのセンサーの値と合わせて保存。

ランダムフォレストによって学習したデータからは、いったいどのセンサー値が良・不良を左右しているかがわかります。

また、寄与度の高い場所でのセンサーの値が”不良品”寄りな値ばかり出すように変化した場合、ラインの異常を事前に予測できます。

つまり、工場でのIoTでの活用が期待されてるみたいですね。

この事例がそれにあたるのかどうかはわかりませんけど。

1個50円のセンサーで工場内IoT、残業ゼロに | ワクスタ(The Work Style Studio)

これを読む限り、多分、似たようなことをやっているものと思われます。

このほかにもSVMだのlasso回帰だの、いろいろな手法があるようです。この辺はこれから勉強する予定。

ディープラーニングもそうですが、複数の手法を知っておくといざ大量のデータに埋もれてしまいそうなときに助かるかもしれません。そんなわけで、これからもいろいろと試してみるつもりです。

データサイエンティスト養成読本 R活用編 【ビジネスデータ分析の現場で役立つ知識が満載! 】 (Software Design plus)

Google Brainが開発した 8×8の画像から元画像を復元する技術

8×8のモザイク状の画像から、元の画像を予測し復元してしまうという技術がGoogle Brainによって開発されているそうです。

8×8ピクセルに縮小した画像から元の画像を予想する技術をGoogle Brainが開発 - GIGAZINE

8×8の画像と復元画像(32×32)、そして元画像を比較してますが、確かによく復元されてますね。

もちろんまったく同じではありませんが、8×8というとかなり情報が縮退された状態。よくここまで戻せるものです。

この技術、2つのニューラルネットワークトレーニングを用いているようです。人の顔だけでなく、ほかの画像の復元もできるようですね。

こういう技術を見ると、男性諸君の中にはよからぬ用途に使うことを考えがちですが、これを使えば例えば昔の写真で不鮮明になってしまった部分の復元させたりできるかもしれません。おそらく、そういうのを想定しての技術なんでしょうね、きっと。

Adobe Photoshop Elements 15

2017年2月13日 (月)

”今すぐ試せる人工知能”特集の日経Linux 2017年3月号 購入

最近”人工知能”、”機械学習”というキーワードにめちゃくちゃ反応している気がします。

この日経Linux 2017年3月号購入もそんな理由。

Img_0627

表紙にでかでかと書いてますね、”人工知能”。

付録に”シス管系女子”の冊子までついてました。

Img_0628

お目当てはこれ。”誰でもできる人工知能 30”という特集。

なんだか表紙とちょっと文言が違いますけど、細かいところは気にしません。

Img_0629

こんなようなことができるものを紹介してます。

誰しも気になるものが、5つ6つはあるんじゃないでしょうかね?

Img_0630

まず気になったのはこれ。いわゆる”物体検出”の技術。

TensorFlowで歴代「クラウン」の画像を判別させてみた」でも「TensorFlowで”日本のお城”を識別させてみた」でもそうでしたが、学習データを作るにせよ、画像認識をさせるにせよ、人の手でいちいち画像を切り取らないといけません。

人の顔だと顔検出用の学習データがあって楽に切り取りできるんですが、車やお城の物体検出は自分で作らないといけないのが現状。

それを可能にしてくれるものと、このネタに飛びついたんですが。

読んでみると、NVIDIA製なためか”Kepler”世代以降のGPUコアが必要だとか。

うちのは間違いなく対象外。残念。

Img_0631

ただし、こっちのネタでも物体検出は可能らしいです。

Img_0632

他にも自動運転を仮想体験できたり

Img_0633

過去の好みのアニメから、今期のアニメを推薦してもらったり

Img_0634

JKなAIと会話できたりします。この”りんな”はわりと有名ですね。

Img_0635

深層学習というと敷居が高いのが現状ですが、そんな敷居を下げてくれるものもいくつか紹介されてます。TensorFlowだけじゃないですね。

Img_0636

この”シス管系女子”もなかなか面白い。

Linuxのシステム管理をやってるわけじゃないのでわかりにくいところもありますけど、やりとりがまあまあ面白いです。

人工知能に興味がある方は、一つ買ってみても損はなさそうな内容。できればUbuntuマシンを一つ構えて臨むのがよさそうです。

日経Linux(リナックス)2017年3月号

ミニチュアサイズの”Apple IIe”

中身はなんと9ドルのコンピュータボードで動いてます。

かわいい!小型マザーボードで動くミニチュアApple Ⅱe - iPhone Mania

このミニチュア版Apple IIe、使われているのは”CHIP”と呼ばれる9ドルのコンピュータボード。

どんなボードなのかは、以前紹介した記事を参照。

ついに1000円札一枚で購入可能なコンピュータが登場!?: EeePCの軌跡

その後をあまり聞きませんでしたが、こういうのにちゃんと使われているあたり、それなりに普及しているようです。

作り方は非公開のようですが、こういう作品が出てくるあたり、未だにApple IIファンが多いってことですよね。ちょっと前にはジンジャーブレッドで作ってる人がいましたし。

この調子で、X1のミニチュア版なんてものも出てくれるとうれしいんですけどねぇ・・・自分で作れって話でしょうが。なお、X68000型ケースなんてのはすでにありますが。

X68000?いいえRaspberry Piです: EeePCの軌跡

Raspberry Pi 3 Model B (Element14)

2017年2月12日 (日)

20万円のイヤホンは本当に音がいいのか!?

それこそ10万円以上もする高いイヤホン・ヘッドフォンというのを、私は使ったことも視聴したこともないので、なんとも言えません。

でも、例えばiPhoneでハイレゾ音源でもないものを高い音響機器で聴いても大して違いなんて分からないんじゃないかなぁ・・・

などという感覚は、これを読んでるとどうやら違うようです。

デレステとガンダムUCの音が別次元に、20万円のイヤホン「Westone W80」はとてつもなく高音質だった - AKIBA PC Hotline!

ここに登場するには、お値段20万円もする超高級イヤホン「Westone W80」。

この記事の前半部分は、iPhone 6s等のゲームでの音や、CD音源で聴き比べをし、後半では本領発揮なハイレゾ音源での検証を行ってます。

が、すでに前半部分の通常音源でさえも違いが判るとのこと。

私も昔のインナーイヤータイプのものを使っていたのが、初めてカナル式のイヤホンで聞いたときにあまりの音の違いに驚いたものです。

それ以上の違いが、多分あるんでしょうね、この20万円イヤホン。

こういうのを見てしまうと、一度体感したくなりますね、高級イヤホン。

どこか視聴できるところがあるといいんですが、あいにくそういう分野は疎くて、いい店を知りませんねぇ。名古屋 大須にもいかにも高級オーディオを扱っている店がありましたが、敷居が高くて入ったことがないです。ああいうところだと体感できるんですかね?

普段あまり音質にこだわらないんですが、つい気になった記事でした。

ところで、音にこだわりたい人向けのスマホというのがオンキョーから出たそうです。

スマホでハイレゾの最適解!オンキヨーのSIMフリー端末が最強な理由 | &GP

さすがオンキョーだけあって、音は最高に良さそうです。外観もなんだか高級オーディオっぽいですよね。この20万円イヤホンとの組み合わせによさげです。

WESTONE カナル型イヤホン Universal W80 WST-W80

手軽に寸法を測ることができるペン”01”

ペンですが、寸法を測ることもできるペンです。

「寸法を測れるペン」が日本で販売開始、税込1万7280円。内蔵ホイールメジャーで計測しスマホアプリで記録 - Engadget 日本版

クラウドファンディングで話題になったペン”01”(ゼロワン)が日本でも販売開始です。

ごらんのとおり、ペンの上部の部分がホイールになっており、転がすことで寸法を測定できるというもの。測定した寸法はそのままスマホに送られ、記録できます。

レーザーポインターもついてて、上のように離れたものでもレーザー光を頼りに正確に測定することが可能。

ペン先の方はボールペン、シャープペン、タッチペンがついてるので、普段は筆記具やタッチパネルで使うこともできます。

さしずめ「ペンタッチパネル寸法ペン」ってところでしょうか。PPAPならぬPTSP。

お値段は17,280円。SoftBank SELECTIONのオンラインショップ、東京・二子玉川の蔦屋家電で販売中とのこと。

仕事柄、距離をよく測る必要がある人だと必需品になりそうですね。

BOSCH(ボッシュ) データ転送レーザー距離計 "スマキョリ" GLM100C

2017年2月11日 (土)

”壊れにくいPCランキング”での1位は・・・

なんと!ASUSです!!

壊れにくいパソコンメーカーランキング − 1位はASUSで、Appleは4位に | 気になる、記になる…

元サイト:メーカー別パソコン故障率ランキング2016―利用者3万人に調査―:ネットの執事が教えるパソコン修理

”ネットの執事が教えるパソコン修理”というところが実施した、2016年の利用者3万人の調査結果での数字だそうです。

1位:ASUS、2位:HP、3位:Lenovo、4位:Apple、5位:富士通、6位:Panasonic、7位:NEC、8位:EPSON、9位:FRONTIER、10位:SONY・・・という順位とのこと。

ASUSの5年以内の故障率は13.26%、HPが15.15%、Lenovoが16.15%、Appleが16.30%・・・と続きます。

なお、やはりというかAppleの有償修理代は断トツに高いそうですね。直しにくそうな筐体してますし。

元サイトの「ネットの執事が教えるパソコン修理」の記事を見ると、故障率のほかに不具合病状、有償修理での費用、サポート満足度などが載せられてます。

メーカー製PCを買おうかと思っている人なら一度ご覧になるといいかもしれません。

ちなみにASUSは故障率こそ低いものの、サポート満足度はやや低めで”普通”という回答が多いですね。2~4位は海外メーカーながら”満足”と答える人は多いのに比べ、対照的です。

ASUS ノートブック E200HA ゴールド ( WIN 10 64Bit / Atom x5-Z8300 / 11.6インチ / 1.44GHz ) E200HA-GOLD

TensorFlowで”日本のお城”を識別させてみた

ゼロから作るDeep LearningやInterface 3月号を読んで勉強中のわりに、相変わらずTensorFlowを使ってしょうもないことにトライしてます。

最近、大坂城の写真を見ていたら「名古屋城にちょっと似てなくない?」と思ったのがきっかけなんですが。

このレベルの微妙な差を、以前作った画像認識プログラムって識別できるんだろうか?などと考えたので、ちょっと実験してみました。

基本的には、以前書いた以下の記事のとおりにデータ収集から学習まで実行。

TensorFlowで歴代「クラウン」の画像を判別させてみた: EeePCの軌跡

ただし今回はWindows版Anaconda 4.2.0で実行(Python3.5版)させるため、コードをちょっといじってます。

■ 学習用コード「cnn_train.py

#!/usr/bin/env python
import sys
import cv2
import numpy as np
import tensorflow as tf
import tensorflow.python.platform

NUM_CLASSES = 7
IMAGE_SIZE = 28
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3

flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_string('train', 'train.txt', 'File name of train data')
flags.DEFINE_string('test', 'test.txt', 'File name of train data')
flags.DEFINE_string('train_dir', './', 'Directory to put the training data.')
flags.DEFINE_integer('max_steps', 200, 'Number of steps to run trainer.')
flags.DEFINE_integer('batch_size', 10, 'Batch size'
                     'Must divide evenly into the dataset sizes.')
flags.DEFINE_float('learning_rate', 1e-4, 'Initial learning rate.')

def inference(images_placeholder, keep_prob):

    def weight_variable(shape):
      initial = tf.truncated_normal(shape, stddev=0.1)
      return tf.Variable(initial)

    def bias_variable(shape):
      initial = tf.constant(0.1, shape=shape)
      return tf.Variable(initial)

    def conv2d(x, W):
      return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

    def max_pool_2x2(x):
      return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                            strides=[1, 2, 2, 1], padding='SAME')

    x_image = tf.reshape(images_placeholder, [-1, 28, 28, 3])

    with tf.name_scope('conv1') as scope:
        W_conv1 = weight_variable([5, 5, 3, 32])
        b_conv1 = bias_variable([32])
        h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

    with tf.name_scope('pool1') as scope:
        h_pool1 = max_pool_2x2(h_conv1)

    with tf.name_scope('conv2') as scope:
        W_conv2 = weight_variable([5, 5, 32, 64])
        b_conv2 = bias_variable([64])
        h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

    with tf.name_scope('pool2') as scope:
        h_pool2 = max_pool_2x2(h_conv2)

    with tf.name_scope('fc1') as scope:
        W_fc1 = weight_variable([7*7*64, 1024])
        b_fc1 = bias_variable([1024])
        h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
        h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

    with tf.name_scope('fc2') as scope:
        W_fc2 = weight_variable([1024, NUM_CLASSES])
        b_fc2 = bias_variable([NUM_CLASSES])

    with tf.name_scope('softmax') as scope:
        y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

    return y_conv

def loss(logits, labels):

    cross_entropy = -tf.reduce_sum(labels*tf.log(logits))

    tf.scalar_summary("cross_entropy", cross_entropy)
    return cross_entropy

def training(loss, learning_rate):

    train_step = tf.train.AdamOptimizer(learning_rate).minimize(loss)
    return train_step

def accuracy(logits, labels):

    correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(labels, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    tf.scalar_summary("accuracy", accuracy)
    return accuracy

if __name__ == '__main__':

    f = open(FLAGS.train, 'r')
    train_image = []
    train_label = []
    for line in f:
        line = line.rstrip()
        l = line.split()
        img = cv2.imread(l[0])
        img = cv2.resize(img, (28, 28))
        train_image.append(img.flatten().astype(np.float32)/255.0)
        tmp = np.zeros(NUM_CLASSES)
        tmp[int(l[1])] = 1
        train_label.append(tmp)
    train_image = np.asarray(train_image)
    train_label = np.asarray(train_label)
    f.close()
    f = open(FLAGS.test, 'r')
    test_image = []
    test_label = []
    for line in f:
        line = line.rstrip()
        l = line.split()
        img = cv2.imread(l[0])
        img = cv2.resize(img, (28, 28))
        test_image.append(img.flatten().astype(np.float32)/255.0)
        tmp = np.zeros(NUM_CLASSES)
        tmp[int(l[1])] = 1
        test_label.append(tmp)
    test_image = np.asarray(test_image)
    test_label = np.asarray(test_label)
    f.close()
   
    with tf.Graph().as_default():

        images_placeholder = tf.placeholder("float", shape=(None, IMAGE_PIXELS))

        labels_placeholder = tf.placeholder("float", shape=(None, NUM_CLASSES))

        keep_prob = tf.placeholder("float")

        logits = inference(images_placeholder, keep_prob)
       
        loss_value = loss(logits, labels_placeholder)
       
        train_op = training(loss_value, FLAGS.learning_rate)
       
        acc = accuracy(logits, labels_placeholder)
       
        saver = tf.train.Saver()
       
        sess = tf.Session()
       
        sess.run(tf.initialize_all_variables())

        summary_op = tf.merge_all_summaries()
        summary_writer = tf.train.SummaryWriter(FLAGS.train_dir, sess.graph_def)

        for step in range(FLAGS.max_steps):
            for i in range(int(len(train_image)/FLAGS.batch_size)):

                    batch = FLAGS.batch_size*i

                sess.run(train_op, feed_dict={
                  images_placeholder: train_image[batch:batch+FLAGS.batch_size],
                  labels_placeholder: train_label[batch:batch+FLAGS.batch_size],
                  keep_prob: 0.5})

            train_accuracy = sess.run(acc, feed_dict={
                images_placeholder: train_image,
                labels_placeholder: train_label,
                keep_prob: 1.0})
            print ("step %d, training accuracy %g"%(step, train_accuracy))

            summary_str = sess.run(summary_op, feed_dict={
                images_placeholder: train_image,
                labels_placeholder: train_label,
                keep_prob: 1.0})
            summary_writer.add_summary(summary_str, step)

    print ("test accuracy %g"%sess.run(acc, feed_dict={
        images_placeholder: test_image,
        labels_placeholder: test_label,
        keep_prob: 1.0}))

    save_path = saver.save(sess, "./model.ckpt")

■ 実行用コード「cnn_app.py

#!/usr/bin/env python
import sys
import numpy as np
import tensorflow as tf
import cv2

NUM_CLASSES = 7
IMAGE_SIZE = 28
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3

def inference(images_placeholder, keep_prob):

    def weight_variable(shape):
      initial = tf.truncated_normal(shape, stddev=0.1)
      return tf.Variable(initial)

    def bias_variable(shape):
      initial = tf.constant(0.1, shape=shape)
      return tf.Variable(initial)

    def conv2d(x, W):
      return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

    def max_pool_2x2(x):
      return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                            strides=[1, 2, 2, 1], padding='SAME')
   
    x_image = tf.reshape(images_placeholder, [-1, 28, 28, 3])

    with tf.name_scope('conv1') as scope:
        W_conv1 = weight_variable([5, 5, 3, 32])
        b_conv1 = bias_variable([32])
        h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

    with tf.name_scope('pool1') as scope:
        h_pool1 = max_pool_2x2(h_conv1)
   
    with tf.name_scope('conv2') as scope:
        W_conv2 = weight_variable([5, 5, 32, 64])
        b_conv2 = bias_variable([64])
        h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

    with tf.name_scope('pool2') as scope:
        h_pool2 = max_pool_2x2(h_conv2)

    with tf.name_scope('fc1') as scope:
        W_fc1 = weight_variable([7*7*64, 1024])
        b_fc1 = bias_variable([1024])
        h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
        h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

    with tf.name_scope('fc2') as scope:
        W_fc2 = weight_variable([1024, NUM_CLASSES])
        b_fc2 = bias_variable([NUM_CLASSES])

    with tf.name_scope('softmax') as scope:
        y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

    return y_conv

if __name__ == '__main__':
    test_image = []
    for i in range(1, len(sys.argv)):
        img = cv2.imread(sys.argv[i])
        img = cv2.resize(img, (28, 28))
        test_image.append(img.flatten().astype(np.float32)/255.0)
    test_image = np.asarray(test_image)

    images_placeholder = tf.placeholder("float", shape=(None, IMAGE_PIXELS))
    labels_placeholder = tf.placeholder("float", shape=(None, NUM_CLASSES))
    keep_prob = tf.placeholder("float")

    logits = inference(images_placeholder, keep_prob)
    sess = tf.InteractiveSession()
    saver = tf.train.Saver()
    sess.run(tf.initialize_all_variables())
    saver.restore(sess, "./model.ckpt")

    for i in range(len(test_image)):
        accr = logits.eval(feed_dict={
            images_placeholder: [test_image[i]],
            keep_prob: 1.0 })[0]
        pred = np.argmax(logits.eval(feed_dict={
            images_placeholder: [test_image[i]],
            keep_prob: 1.0 })[0])
        print (pred,accr)

注意点ですが、今回識別に使ったお城は全部で7種類のため、cnn_train.py、cnn_app.pyの最初の方に定義する変数「NUM_CLASSES =」の値は”7”です。

Windows用Anaconda(Python3.5)で動かすために、日本語のコメントは削除、print文などの書式変更をしております。

画像の入手(ImageSpyder)、ファイルの名前変更(bkrename)、収集した画像を正方形にカット(JTrim)、ファイルの一覧作成(OutFileList)は先の記事通り(TensorFlowで歴代「クラウン」の画像を判別させてみた)です。

Castle00 で、今回集めたお城のデータは以上の7種。お城の名前とナンバーの振り分け(0~6)は以下。

0、岡崎城

1、熊本城

2、犬山城

3、松本城

4、大垣城

5、大坂城

6、名古屋城

「なんでこの7種類なんだ」とか、「姫路城や弘前城、小田原城・・・・・・がないのはなぜだ!」とかいろいろ意見はあるでしょうが、この辺りで力尽きたため7種類になりました。

元々大坂城と名古屋城の比較をさせたかったため、この2つは必須だったんですが、ほかにも熊本城と松本城も黒いところが似てなくねぇ?なんて思ったのも事実。

大垣城は私の実家のあるところのお城ですし、愛知県といえば犬山城、岡崎城も外せませんね。

しかし、私の実家から2番目に近いところにあるお城(岐阜城)はすっかり忘れてました。

Castle02

で、収集した各城の画像データから学習データを作るんですが。

お城って、向きが違うとずいぶんと見栄えが違います。

てことで、それぞれ300枚以上の画像データを集め、

・ 天守閣が写っているもの

・ 最も多い画角の画像であること

を条件にして絞り込んでみました。

・ 岡崎城

0_012

なぜか手前に2本の松が写っているものが多いのですが、この画角のものを取り込み。

・ 熊本城

1_014

ググると、自身で崩れた石垣の写真が多かったですね・・・早く復旧してほしいものです。

・ 犬山城

2_005

コンクリート製の復元のお城が多い中、犬山城はオリジナルの木造のまま。国宝です。

・ 松本城

3_029

こちらもオリジナルのままの国宝のお城。黒いところは熊本城に似てますねぇ・・・似てませんか?

・大垣城

4_005

入り口付近の見上げた感じの写真が多かったので、これにしました。

石田三成、島津義久、徳川家康・・・などなどが関ケ原の合戦の前日までにらみ合ってた場所に立っているお城なんですけどねぇ。あまり有名ではありません。

・大坂城

5_003

余談ですが、Googleでは「大坂城」でも「大阪城」でも引っかかるんですけど、明治以前は「大阪」ではなく「大坂」だったので、ここでは「大坂城」で統一しております。

なんか、エレベータがついてますね、このお城。

・ 名古屋城

6_013

屋根の色だけ見ると、大坂城に似ているように見えます。

石垣だけは焼け残ったため、下はオリジナルで上の部分のみコンクリート製のお城という名古屋城。金ぴかのしゃちほこが有名ですが、それ以外にも・・・何がありましたっけ?

画角で絞り込みをやったおかげで、各々300枚以上のデータを収集したのに、残ったのはどれも30~100枚程度。

一番残ったのは意外にも犬山城で、300枚中100枚ほどが残りました。このお城、撮影するポイントが限られているのでしょうか、どの写真も似たような場所から撮影されてるっぽいですね。

で、画像が集まったところで、”bkrename”を使いファイル名を”そのお城のナンバー_3桁の数字.jpg”として名前を変更しておきます。

ファイル一覧から以下のようなテキストファイルを作成。

Tensorflow05

”ファイル名 ナンバー”の一覧を書き込んだファイルで、すべてのお城の画像ファイル名を一つのファイルに取り込み。その後、学習用とテスト用データに仕分けます。

学習用のデータは”train.txt”、テスト用は”test.txt”で保存。

学習用とテスト用の数は9:1で振り分け。60枚あったら、0_001.jpg~0_054.jpgが学習用、0_055.jpg~0_060.jpgがテスト用という具合。

画像データすべてとtrain.txt、test.txt および各コードを一つのフォルダに入れて、Windows版AnacondaでTensorFlow実行環境(”activate tensorenv”とコマンド入力)したのちに、

$ python cnn_train.py

と入力して機械学習を実行。

うちの環境では、大体10分ほどで完了。

Castle03

学習用とは別に準備した画像データを「cnn_app.py」で識別させてみます。

$ python cnn_app.py okazaki.jpg

などと打ち込むと、認識したコード(0~6)を出力。

Castle

わかりにくいですが、岡崎城なら”0”を、熊本城なら”1”を・・・名古屋城なら”6”を返してくれれば正解ですが。

なんと、用意した画像データすべて正解しました!

クラウンの時とは大違い。3種類以上のデータでもちゃんと認識できました。

やっぱり、お城はわかりやすいんですかね。

Dsc_0578

ところが私のブログ記事にも載せたこの大垣城の写真は、なぜか”1”の熊本城として認識されました。。。

天守閣のてっぺんがちゃんと写ってないので、もうちょっと後ろから撮影していれば、大垣城と認識してくれたかもしれません。

それにしてもどのあたりが”熊本城”だったのやら・・・TensorFlowの考えることはよくわかりません。

うまくいったのやらいかなかったのやら、いずれにせよ画角がちょっと変わると識別できないあたり、あまり実用性はなさそうです。

名古屋城と大坂城、熊本城と松本城を見分けることができただけでも大したものでしょうか。どちらかというと、この微妙な差を見分けられるかの実験だったので、まあ大成功といえるんじゃないでしょうか?

ところで「Re:ゼロから始めるディープラーニング: EeePCの軌跡」などという記事を書いたわりにはあまり成長を感じられない記事書いてるじゃないかと思われた方。まあ、その通りなんですけど、知識習得は継続中。

実は「ゼロから作るDeep Learning」の本以外にも機械学習について学ぶ機会ができそうで、今月からちょっといろいろ動く予定です。

さすがに私ももう40代後半ですので、いきなり成長することはありませんが、今後にご期待ください。。。

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

2017年2月10日 (金)

郵便局の格安スマホが2月24日から全国展開へ

8月に東海地方の郵便局で始まり、10月に地域拡大していたIIJmio SIM+arrows M03のセットパックが、ついに2月24日から全国の郵便局に展開されるそうです。

IIJ、郵便局の格安スマホ販売を全国に拡大 - ケータイ Watch

郵便局にあるカタログでこのSIM+端末のセットを申し込み、後日ゆうパックで設定済みの端末が送られてくるというもの。端末を分割払いする場合でも月額2,980円~という価格。

私の近所の郵便局は昨年の8月から扱ってるはずで、何かの用事のついでにこのパンフをもらって来ようと思いつつ、結局行けずじまい。ポケストップの方はしょっちゅう利用させてもらってるんですけどね。

そういえば私の実家の両親はずーっとガラケー使ってるんですが、そろそろスマホに変えたいと思ってる模様。私はiPhone派ですが、しょっちゅう実家に出入りする私の妹がAndroid使いなので、いっそこの郵便局MVNO端末がいいんじゃないかと思ってるところでして。

そんなにめちゃくちゃネットを使う方でもないし、キャリアの価格ではちょっと高すぎるため、MVNOがちょうどいいんです。

今度帰ったときにでも勧めてみようかしらねぇ。

実家の両親や、子供用にはお勧めできるスマホかもしれません。なにせ全国の郵便局で取り扱いですから。

今は亡くなってしまいましたが、父方のおばあちゃんの住んでるところが山口県と広島県の県境の山奥にある集落でして。

日曜日には開いている店など存在しないわ、新月の夜になれば今にも降ってきそうなほどの星の川が見えるという(いや実際に降ってきました、流れ星)、そんな絵に描いたような田舎に住んでたんですが。

そんな田舎にもありました、郵便局。いやきっと今でもあるでしょう。多分。

携帯の電波が入るかどうかの方が心配になるようなところでも、MVNO SIMとスマホのセットが入手できる時代になってしまうようです。

IIJmioプリペイドパック nanoSIM IM-B177

0系新幹線型モバイルバッテリー

0系新幹線って、未だにファンが多いですよね。私の周りでも現行新幹線より0系が好きだという人、なぜか多いです。

初代新幹線「0系」のモバイルバッテリーが登場、容量6,000mAh - AKIBA PC Hotline!

そんな人気を反映してか、0系新幹線型のモバイルバッテリーが登場です。

容量は6000mAh。ライト部分にはLEDがついており、充電中は赤、給電中は白く光るしくみです。お値段6,980円。

ポケモンGOよりは電車での日帰り旅に使うと似合いそうなデザインですね。新幹線だけに。

電車旅のお供に、いかがでしょうか?

[もちてつ ] 0系 新幹線型 モバイルバッテリー (6000mAh)携帯電話用充電バッテリー 658042

2017年2月 9日 (木)

ドスパラの新型スティックPC”Diginnos Stick DG-STK4D”

そういえばスティックPCに最近あまり注目してませんでしたが、こんなモデルが出たそうです。

ASCII.jp:ドスパラのWindows 10搭載スティック型PCに新モデルが登場

ドスパラから新型のスティックPC”Diginnos Stick DG-STK4D”が登場。

Atom x5-Z8550(クアッドコア 定格1.44GHz/最大2.4GHz)、メモリ4GB、ストレージ32GB。見るからにファン付きな筐体に加え、USB 3.0×2にmicroSDカードスロット付き。お値段19,980円(税抜)。

ところで、スティックPCってこんなに大きくなっちゃったんですね。Wi-Fiアンテナまでついてさらに大きく見えてしまい、もはや”スティック”なのかと思うほど。

別売りのドッキングステーション(実売4,300円ほど)に取り付けて、ついでに1TBくらいのUSB HDDをつけてしまうとまあまあのスペックなPCになりそう。

年賀状印刷、スマホ母艦、写真取り込み端末、Raspberry Piリモート操作端末、TS抜き録画端末・・・など、さほどCPUパワーを浪費しない用途なら十分使えそうなPCですね。

Diginnos Stick DG-STK4S(スティック型パソコン Windows 10)

Interface 2017年3月号購入

表紙見てたら、今の私にとってキャッチーなキーワードが並んでいたもので、つい買ってしまいました。

Img_0618

Interface 2017年3月号です。

テーマは”人工知能”を”Raspberry Pi”で動かす!

Img_0619

その人工知能+Raspberry Pi活用事例として最近注目を浴びた、あの”キュウリ自動選別”の事例まで紹介されてます。

Img_0620

最初にGoogle人工知能(TensorFlow)についてのわかりやすい図解が載ってます。

私も最近、部長に同じプレゼンやりました。

TensorFlowで”高精度なAI”を”比較的簡単に作れる”てな感じでしゃべったんですが、この図解も”Raspberry Pi”というところ以外はほぼ同じですね。

Img_0621

この人工知能とRaspberry Piが組み合わさると何ができるのか?という事例。

なかなかわかりやすいんですけど、2つ目の”酔っ払い判断装置”はちょっとやばいかと・・・酔っぱらい過ぎると家に入れないそうですが、これ本当にやったらマジやばくねぇ?

Img_0622

さて、そのRaspberry Piと人工知能(TensorFlow)を組み合わせた、あの”キュウリ自動選別コンピュータ”が特集されてました。

現状では9割以上の判別能力になってるみたいです。なかなかのものですね。

この記事にはこの装置の構造図、および使った部品一式、そしてキュウリの画像データ入手先、ソースコードまでついてました。

つまり、頑張れば自分でもキュウリ自動選別機が作れてしまうという、なんとも太っ腹な特集。

中身はぜひご自身でお買い上げの上確かめていただきたいところですが、私がこの記事を読んでてわかったことは、

・ Windows側で学習させて、Raspberry Piにその学習データを受け渡し(変換要)て運用

・ 使ってるソースコードそのものは”TensorFlowで歴代「クラウン」の画像を判別させてみた”でも使ってるMNISTのコードをベースにしたものを使用していたこと

ですね。

てっきり、もっとすごいコード使っているのかと思いきや、アルゴリズム的にはあまり変わらないというのはびっくり。これでキュウリが選別できるんですね。

もっとも、キュウリの写真はなるべく判別しやすくするため余計な情報が入らないよう、背景を白くしたり、3面から撮影(上面、正面、側面)したりと、いろいろ工夫されてます。

学習データの質って、大事ですね。

Img_0624

で、読み進めていくと、TensorFlowを使ったプログラムの作り方に入っていきます。

最初はMNISTの手書き数字認識をさせるプログラムの動作から入り、これを応用した画像認識のプログラムに入るんですが・・・

Img_0623

その題材がなんと”ブッシュ元大統領(息子の方)”の顔識別。

もしかすると”ト〇ンプ大統領”識別機がやりたかったんじゃないかと思われるこの章。まあ、あまり現役の大統領を題材にするのはよろしくないという判断でしょうかね?

大人の勘繰りはともかく、中身はわりとしっかり作られてます。題材の集め方、顔部分の切り出し方、などなど。

Img_0625

その他のディープラーニング用フレームワークの紹介もありました。

Caffe、Kerasは効いたことがありますが、まだほかにもあるんですね。

ほかにも”深層学習あんちょこ”というコーナーでは、機械学習の手法、パーセプトロン、ニューラルネットワークの逆伝播などなど、この分野のわりと謎めいたキーワードの説明が簡単に載せられてました。参考になります。

画像認識を使って、何か電子工作を動かしたい・・・という願望があれば、まずこのInterface 3月号を入手されることをお勧めします。

ブラックボックス部分を認識しようとするのは非常に大変ですが、動かすだけであればこれを読むだけでも十分じゃないかと。

実際に動かしてみて、あとで動作原理に迫るというアプローチも(私もそうですが)ありじゃないかと思います。

”人工知能”的な何かを作ってみて考えるにはいい題材です、今月のInterface。

Interface(インターフェース) 2017年 03 月号

2017年2月 8日 (水)

iPhone用の2G携帯やAndroidを内蔵したケース

やはり中華的発想はiPhoneケースでも発揮されているようですね。

ASCII.jp:iPhoneがDSDS対応やAndroidになる? 進化する中華iPhoneケース最新事情|山根博士の海外モバイル通信

ちょっと気になるiPhoneケースが紹介されてます。

といっても、背面に別のSIM、別の端末が付いたケースばかり。

中国ではまだ2G回線があり、場所によっては2G対応携帯がないと通話できないということもあって重宝されているようですが。

個人的にはAndroid端末内蔵のケースの方が気になりますね。

ただ、あの狭い領域に内蔵させたためかスペックは極貧。3.5インチ 320×480液晶、1GHz程度のデュアルコア、メモリ256MB、ストレージ512MB。ただ32GBまで対応したmicroSDカードスロット付き。

お値段は5,000円以下らしいので、まあこんなスペックでも納得かと。

個人的にはちょっと欲しいですね。もちろん、日本で使えば技適未対応なのは間違いありませんが。

Raspberry Pi Zero + 4インチ液晶あたりを使ってLinux内蔵ケースを作ることくらいなら個人でもできそうですが、だれかそういうケース、作ってくれませんかねぇ・・・って、自分で作ればいいのか、作れば・・・

Raspberry Pi Zero - ラズベリー・パイ ゼロ

オートフォーカスな眼鏡 3年後までに発売へ

私も最近、老眼とやらになり始めているおかげで、眼鏡にオートフォーカス機能が欲しいと感じている今日この頃。

そんな願望をかなえてくれる眼鏡が本当に出てくるようです。

メガネが、オートフォーカスに!…見る物までの距離によって厚みを変えるレンズを搭載 - インターネットコム

Afglass01

ユタ大学で焦点に合わせてレンズの厚みを変えてくれるという眼鏡が開発されています。

2枚の膜の間に入ったグリセリンの量でレンズの厚みを変えているようで、反応速度は14ms。なかなか高速です。

ただ、現状ではつけて歩くにはかなり勇気のいるデザイン。なんだかドラえもんあたりに出てきた学生さん(受験生?)が付けてたような眼鏡ですよね。

もうちょっとこれをイケてるデザインにして発売する予定のようです。目標は3年ごとのこと。

私もスマホ画面を見るときに、眼鏡をはずすことが多くなりましたね。そのうち、その程度では近くが見えなくなるようですが、その時はより大きな画面のスマホに乗り換えて・・・だんだんと年齢が重なっていることを実感します。

Nikon デジタル一眼レフカメラ D5300 18-55mm VR II レンズキット ブラック 2400万画素 3.2型液晶 D5300LK18-55VR2BK

2017年2月 7日 (火)

iPhoneのカメラでRAW撮影が可能!?

iPhone 6s/6s Plus、SE以降、iPad Proなら「RAW」撮影が可能なんだそうです。

iPhoneで「RAW」が撮れるって知ってた? これでiPhoneは常時携帯できる最高のサブカメラに | GetNavi web ゲットナビ

といっても、標準のカメラアプリでは不可。上記の対応機種でiOS 10以上、Lightroom mobile、ProCam、ProCamera等のRAW対応アプリで可能とのこと。

なお、RAWデータとは、名前の通り「生」のデータ。カメラセンサーから得られたデジタルデータをそのまま記録したデータ。カメラロールに入っているJPEGは、このデータを圧縮・加工して保存されたもの。

JPEGのままでも困ることはあまりないのですが、たまに白飛びしたり、圧縮時の悪さでデジタルノイズが乗ったりするので、本当に大事な写真を撮るとき(入学式・卒業式、運動会など)には私もRAW撮影モードを使ってます(Nikon 1 J4での話)。

なお、RAWデータのままで保存してもいいんですが、専用ソフトを使って「RAW現像」というのを行うのがいいです。

そういえば、以前期間限定の無料化をやってた勢いで入手していた「ProCam」を持っているので、ちょっと使ってみました。

Img_2576

確かに左側に「RAW」モードがあります。

このアプリ内でもRAW現像が可能らしいですが、PCに持っていきRAW現像のソフトを使うという手もありますね。

ところで、RAWデータってiOS標準では読み込むことは不可能。

・・・なはずなのに、このアプリでとったRAW写真データを標準の”写真”アプリで見ることができます。

Img_2575

ああ、こんなことやってるんですねぇ。なるほど了解です。

てことなので、ProCamで撮影する分には普通のJPEG写真とRAWの両方を扱えるようです。その分、データは大きいでしょうが。

で、私の場合は先にも書いた通り、重要な写真は一応RAW撮影してます。

が、結局私はRAW現像を使いこなせず、子供の入学・入園式の写真などはRAW+JPEGデータで残したまま。

JPEGの方で特に不満がないので、結局RAW現像するきっかけがないですねぇ。

今どきのカメラ制御ファームウェアやJPEG圧縮技術も上がってますし、多くの場合ではあまり気にならないものかもしれません。

作品づくりが上達するRAW現像読本 ~Lightroom CC/6で写真編集力アップ! (玄光社MOOK)

デジタルな機能満載のアナログレコードプレーヤー「Air LP」

最近、アナログブームってやつが来ているようで、レコードやカセットテープによる音楽の出荷が増えているという話です。

CDを通り越してダウンロード販売が当たり前のこのご時世にアナログ回帰というのもなんだか妙な気もしますが、デジタルにはない柔らかな感じがありますからね。わかる気がします。

そんなアナログブームのためか、こんなプレーヤーが登場。

アナログだけどデジタル!レコードをワイヤレスで楽しむのも悪くない | &GP - Part 2

「Air LP」というレコードプレーヤー。価格は1.6万円前後。

見た目はアナログなプレーヤーですが、Bluetooth内蔵、USB接続でPCやiOSデバイスにて音源のデジタル化も可能(専用ソフト・アプリ要)にするなど、ずいぶんとデジタル機能が充実したプレーヤーです。

もちろんヘッドフォン端子などもあるのでコンポにつなげて使用することも可能。

ただ、今どきのコンポもBluetooth接続できたりするので、Bluetoothで飛ばすのがいいかもしれません。

私はレコードというものを全く所有してこなかったので、この手の機器は欲しいと思いつつ、活用法がありません。レコードをたくさん持っているという人にはお勧めしたいですね。

ION Audio レコードプレーヤー Bluetooth対応 USB端子 Air LP WD

2017年2月 6日 (月)

Ankerから2倍速充電に対応した20000mAhのモバイルバッテリー”Anker PowerCore II 20000”発売

Ankerからちょっと気になるモバイルバッテリーが登場です。

【20%OFF】Anker、本体2倍速充電に対応した「PowerCore II 20000」を発売

”Anker PowerCore II 20000”というバッテリー。

容量的には20000mAhというのはもはや珍しくはないんですが、2倍速充電に対応し、かつ3ポートのUSB端子を搭載(全端子で5V/2A)。

充電用に2ポートついており、2A×2を供給できれば6時間で充電できるという2倍速充電に対応。

iPhone 7なら7回分、iPad Air 2でも1.8回分の充電容量のこのPowerCore II 20000。

価格は4,399円ですが、本日中に注文すれば20%オフの3,500円で購入可能。

欲しい人は、すぐにAmazonへGo!ですね。

Anker PowerCore II 20000 (20000mAh 超大容量 3ポート モバイルバッテリー) 【Power IQ搭載 / 最大6A出力 / 4Aデュアル入力】

Arduinoベースの携帯ゲーム機”Gamebuino”

この手の携帯ゲーム機って最近多いですけど、これは大き過ぎず小さ過ぎずちょうどよいサイズじゃないかと。

ハード拡張も可能なArduinoゲーム機「Gamebuino」が販売中、税込4,980円 - AKIBA PC Hotline!

Arduinoベースの携帯ゲーム機”Gamebuino”が秋葉原にて売られてるそうです。お値段4,980円。

上の画像のようにインベーダーゲームっぽいゲームがいくつかプリインストール済み。ネット上にも無料ゲームが公式サイトにて公開中。なおこのGamebuino、媒体としてmicroSDカードを使用(標準で128MBのカードが添付)。

公式サイト:Gamebuino | Play & make games, quick & easy.

ゲームの自作も可能で、デモプログラムが公開されてたり、コミュニティサイトも開設済み。

またハードウェア拡張も可能で、Gamebuino同士をデイジーチェーン接続したり、加速度や振動モーターなどを取り付けることも可能。

液晶パネルにNokia携帯のリサイクル品を使いまわしたり、見るからに電子パーツむき出しな外観だったりして、なんだかちょっと”プロ仕様”な感じですけど、その分自由度満載な携帯ゲーム機。お遊びに使う分には面白そうなハードですね。

cocopar・Arduino 学習キット arduino専用9V-1A電源(PSE対応)付き UNO R3  SY-01 Arduinoスターターキット Arduinoをはじめよう 互換キット 初心者専用実験キット 基本部品セット

ほくろか皮膚がんなのかを見極める人工知能

「ほくろを取ると皮膚がんになる」という話は半分本当で、半分はうそのようです。

以前聞いた話では、そもそも皮膚がんの元になるほくろというのは元々”皮膚がん”そのものらしいです。

で、そのがんとほくろを見分ける方法というのがあるそうですが・・・これが結構プロの所業らしいんですが。

そんなプロの技を身につけた人工知能というのが開発されたそうです。

人工知能、ほくろと皮膚がんの差異を見分ける技を習得【動画】

GoogleのInception V3のシステムをそのまま応用して作ったこの皮膚がん発見プログラム。スマホ用アプリとして使い、ほくろを写すとそれが”ほくろ”なのか”皮膚がん”なのかを診断してくれるそうです。

的中率がどの程度のものかわかりませんが、素人判断どころか経験値の浅い医者よりはずっと高精度なようです。

ただ、リンク先にも上の動画の説明文にも、肝心のそのアプリのありかがわかりませんでしたが・・・できれば使ってみたいですねぇ。

私が聞いた限りでは、ほくろの真ん中から毛が生えていればまず皮膚がんではないという話です。

これも一つの見分け方のようですが、毛が生えていないからといって即皮膚がんというわけではありませんので、ちゃんと見極めるには本当に経験・知識が必要となるようですね。

トミーリッチ ほくろ隠し 濃いホクロや立体的なホクロを自然なタッチで隠せます♪

2017年2月 5日 (日)

食べ物プリンター”Foodini Food Printer”

食品版3Dプリンターというのは以前にも出ていたように思いますが、こいつはなかなかイケてます。

魔法みたい!?食べ物のプリンター「Foodini Food Printer」 | Techable(テッカブル)

公式サイト:Natural Machines: The makers of Foodini - a 3D food printer making all types of fresh, nutritious foods.

まるで電子レンジのような外観で、食材を入れると調理してくれる食品版3Dプリンター”Foodini Food Printer”。

で、この殺風景な箱が一体どんな食品を生み出してくれるのか?

いや・・・なかなかすごいですね。はっきり言って、なめてました。

これらすべてがプリンター内でそのまま作られた姿ではないでしょうが、食べ物のイメージがちょっと変わりますね。

公式サイトに行くと、60種類ほどの食品サンプル画像が見られます。

Wi-Fi接続でレシピがダウンロードできるようで、いろいろ作れるみたいです。今後レシピの数も充実させていく予定だとか。

ただ食べ物を作るのが面倒という理由だけでこのプリンターを使っちゃいけない気がしますね。何か楽しい食べ物を作るためのアイテムとして使うとよさそうです。

3Dプリンター ダヴィンチ Jr. 1.0

iPhoneに直接CDの楽曲を取り込めるCDレコーダー”CDレコ(CDRI-L24I)”

これでまたPCの出番が一つ減りそうです。

ASCII.jp:世界初、iPhoneとLightningケーブルで繋ぐだけのCDレコーダー

CDの楽曲データを直接iPhoneで取り込むことを可能にするCDレコーダー”CDレコ(CDRI-L24I)”をIOデータが2月下旬に発売。

”世界初”って書いてますけど、すでに同じIOデータからCDの曲を取り込めるドライブって出てませんでしたっけ?

という記憶を頼りに探してみたら「CDRI-W24AI」てのが出てますね。2月中旬に後継機の「CDRI-W24AIW」というのに置き換えられるようですが。

CDレコ(CDRI-W24AIW) | 周辺機器 | IODATA アイ・オー・データ機器

ただしこちらはWi-Fi接続が必要。AndroidならUSBケーブルで接続可能ながらiOSは非対応。iOS機への直付けは、このCDRI-L24Iが初のようです。

MFi認証も取得済み、専用アプリで楽曲データの取り込みからCD-R/RWへの書き込みも可能。

CDの取り込んだ後にわざわざiPhoneに入れなおしていたという人なら、ひと手間減らせる便利なドライブとなりそうです。

2017年2月 4日 (土)

SONYからブロック型ロボット・プログラミング学習キット”KOOV”登場

教育向けロボット・プログラミング環境にSONYも参入です。

楽しくプログラムを学べるソニーのブロック「KOOV」2月18日発売 - 週刊アスキー

ブロックと電子パーツ、そして”KOOVコア”と呼ばれるメイン基板がセットになり、これらを組み合わせて製作したロボットをプログラムで制御するというコンセプトの製品です。

このKOOVコアはArduino互換で、プログラミング言語はいわゆるScratchのようですね。

プログラミングはこのKOOV単体では不可能、PC、MacまたはiOS(iPad)アプリ上で作成し転送。なお、今のところAndroid版はないようです。

下に書いた線路や道に沿って走行させられるようなので、距離・光センサーにモーター制御の機能は持っているようです。その他にLEDやスピーカーなども含まれている模様。

発売は2月18日、172ピースのブロック・16個の電子パーツ・KOOVコアの組み合わせの”スターターキット”で36,880円、302ピースのブロック・24個の電子パーツ・KOOVコアの組み合わせの”アドバンスドキット”だと49,880円。

全国のソニーストアで先行展示され、家電量販店系のECサイトを中心に販売されるようです。

似たような学習キットというのはすでに世の中いくつか出ておりますが、はたしてこのキットにSONYらしさがあるかどうか・・・日本で手軽に買えるキットというのは、ありがたいですけどね。

Arduino学習キット 様々なマイコン実験や開発用電子部品キット Arduino UNO R3互換ボード LCDキャラクタディスプレイ LED表示器 マイクロサーボ 傾斜スイッチ 赤外線障害物検知センサーモジュール 距離センサー 等付き(実験用部品セット中級版)

第4世代iPadが16,800円で大量販売

秋葉原というところはほんとにこういう話が多くてうらやましいところですね。

第4世代iPadが税込16,800円、在庫は100台以上! (取材中に見つけた○○なもの) - AKIBA PC Hotline!

第4世代のiPadの中古が100台以上売られてるそうです。お値段は16,800円。

A6Xプロセッサ搭載、メモリ1GB、ストレージ容量は16GB。使用感はあるものの目立った傷はほとんどないBランク品。色はホワイトのみだそうです。

プロセッサ的にはiPhone 5/5cと同世代のもの。今年リリースされる予定のiOS 11では多分サポート終了になる可能性大ですが、まだまだ使えるプロセッサです。

上の子がマイクラPEをやるために使っているのがiPhone 5ですが、そろそろ大きな画面にしてあげたいと思ってるんですが、iPad Air 2は妻が占有しているし・・・ってことで、もう一台iPadがあると便利かなぁと思ってるんですよね。

そのために買うのもちょっともったいない感じですけど、値段も安いですし、これなら飛びついちゃいそうですね。

(第4世代) Apple iPad Retinaディスプレイモデル ホワイト 16GB Wi-Fi 国内正規品 MD513J/A アイパッド

2017年2月 3日 (金)

PC用”光りもの”メディアの歴史

最近のAkiba PC Hotlineは、1990年代から2000年にかけてのPC昔話を特集してますが、今回出てきたのは”光りもの”、つまり光学メディアです。

日本人は光りものが好き?懐かしの光メディアを紹介 (取材中に見つけた○○なもの) - AKIBA PC Hotline!

元祖光りものといえば”MO”。5インチと3.5インチの2種類ありましたね。

私がいた大学の研究室では、バックアップ用に5インチMOを使ってました。当時はあまり意識してませんでしたけど、結構高いメディアでしたよね。その後3.5インチMOドライブを購入、ずいぶんと安くなったのを覚えてます。

その後PanasonicからPDていうのが出ましたね。ただ、私はまるでお世話にならなかったです。

というか、私個人ではついにMOも買いませんでしたね。研究室と職場で使ったことがあったくらいです。

MOが普及していた時代はZIPドライブを使っており、これでしのいでましたね。

私が最初に買った光ものといえばやはり”CD-R”。なにせ、CDをコピーできましたからね。車に置いておくCDとしてコピーしたり、複数のCDから曲を集めた”ベスト盤”作ったりしてました。

が、CD-Rは1回書き込みメディア。複数回書き込みメディアとして最初に買ったのは片面2.6GB/両面5.2GBのDVD-RAM。

私が買ったのは1998年の年末ごろ。わりと高いドライブでしたが、当時大量にバックアップを取りたい事情もあり、思い切って購入。

このころ、撮りためたビデオテープをキャプチャーボードでじゃんじゃん取り込んでいたため、大量の動画メディアでHDDがあふれてしまったんですよね。このころとしては大容量の40GB HDDがあっという間に埋まっちゃいました。

MOもありましたけど最大で1.3GBでしたし、なによりもDVD-RAMドライブはDVDの再生も可能とあって、結局DVD-RAMを選ぶことに。

その後、片面4.7GB/両面9.4GBのDVD-RAMが出ましたが、これも早々に乗り換え。

自作PCやってると、時々HDDの中身を吹っ飛ばすことがありましたけど、これらのバックアップメディアが被害を最小限にしてくれましたね。

おかげさまで1999年暮れごろに買ったデジカメのデータは、失われることなくすべて残ってます。

ちなみに、未だこの9.4GB DVD-RAMはクローゼットに10枚以上眠ってます。

まれに当時のファイルを読み込むために、年に1回くらいは引っ張り出すことがありますね。

しかし時代がうつり、今やさらに容量の多いBD-Rの時代。でも全然使ってませんね、BD-R。

TBレベルのファイルのバックアップに、数十GB程度のメディアじゃたいして役に立たないですし。

ほんとせっせとバックアップをとってた時代が懐かしいですね。せめてTBクラスのメディアが出てくれると買ってしまうんでしょうが・・・光学ディスクじゃ無理そうですね。

Pioneer パイオニア Windows10対応 BD-R 16倍速書込 S-ATA接続 ブラックトレー仕様 BD/DVD/CDライター ソフト無 バルク品 BDR-209BK2

ポメラで5000万円を稼ぐ!?

まるでステマのようなタイトルで申し訳ありませんが、本当にそういう記事です。

「ポメラ」で5000万円稼いだ! 作家・芝村裕吏氏が明かす「ポメラ」 DM200の魅力 - 週刊アスキー

といっても、だれでもできるというものではなく、作家の方の話です。

作家の芝村氏が打ち込む文字数が少なくとも1日6000文字、週に最低でも3万字とのこと。このペースだと月に1冊くらい書き上げる分量だとか。

このペースで書き続けた結果、2015年だけで2000万円、2~3年で累計5000万円は稼げているそうです。

2台目ポメラであるDM20では1ファイル当たり最大28,000文字で、MAX 1000ファイルまで保存可能。これで先のペースでのもの書きが成り立つようになったそうで。

それにしても、このペースで打ち込み続けてもすぐに壊れないものですね、ポメラ。

芝村氏のポメラはこれまで7~8台購入しているそうですが、4台目以降は部屋ごとに配置したりして未だに使い続けているそうで。

リンク先の記事を読むと、ポメラの良さが伝わってきます。多機能なスマホが普及した時代にあって、これだけ単機能なものが2~3万円台もするというのも高い気がしましたが、必要な人にとっては安いものなんですね。たしかにこれで5000万円稼げれば、ポメラの価格なんて大したことありません。

作家でなくてもビジネスで文字をたくさん打ち込む必要のある人は多いですよね。そんな人向けのガジェットとしてこのポメラ、おすすめかもしれません。

キングジム デジタルメモ ポメラ ブラック DM200

2017年2月 2日 (木)

ディープラーニングが3時間で学べる動画

”ディープラーニング”という言葉自体そうですが、よくわからない難解な用語のオンパレード。

これがディープラーニングにトライしようとしている人たちを阻む最大の要因となってるようです。

そんな状況をたった3時間で解決できる講演動画が公開されてます。

Googleの開発者が作った3時間でディープラーニング(深層学習)をスライドとムービーで学べる集中レッスン - GIGAZINE

リンク先の記事を読む限り、たしかにわかりやすい説明で好評のようです。

が、一つだけ日本人にとっては大きな壁が。

それは”言葉の壁”。

全部英語ですねぇ。頑張って聞けば何とかわかるかもしれませんが、3時間近くも慣れていない言語の説明を聞き続けられるかどうか・・・

日本語版の公開をお願いしたいですねぇ。

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

PC版マインクラフト買ってみた

長男のiPhone版”マイクラ”があまりに凄いことになってたのでバックアップしてみましたが、どうもスマホ版のマイクラはやれることが限られているようで、最近長男が不満そうな様子。

てことで、3000円で買いました、PC版マイクラ。

公式サイト:Official site | Minecraft

Windowsストア版のマイクラもあるようですが、PC版が最も自由度が高いとのことなので、こちらを購入。

Micrapc01

当たり前ですが、スマホ用のMinecraft PEとはずいぶん操作方法が異なります。

W、A、S、Dで前後左右、Eで以下のようなアイテム選択画面、

Micrapc02

Micrapc03

ブロックを置いたり破壊したり、アイテムの選択はマウスの左右ボタンとホイールで行います。

スペースキーはジャンプで、連打すると空を跳びます。

Micrapc04

スペースキーを押し続けると上昇、シフトキーで下降。

Micrapc05

とまあ、この辺りまではMincraft PEでもできること。

Micrapc06

ところで、PC版では”作業台”というのを設置すると、こんな感じにアイテムを混合して新たなものを作ることができるようになるんですが。

これがスマホ版では不可能。

早速、長男が”防具立て”だの”ボート”だのを作ってました。

私がいじる限りは全然大したことはできませんが、きっと長男がいじるとまた面白いものができるんでしょうね。

Img_1245

早速、兄弟そろって何か作ってました。

ところで今、このブログ記事をメインPCで書いてるんですが。

ただいま横から長男のプレッシャーを受けてるところ。

要するにPC版マイクラがやりたいからさっさとどけということのようですが。

こういうところがPC版の難点なんでしょうね・・・

スマホ版なら、おさがりのiPhoneに入れて渡しておけば、邪魔されることなくそちらでやってくれてたんですが。

しばらく、メインPCの取り合いをやることになりそうです。

スゴ技いっぱい! Minecraft(マインクラフト)【PC版限定ダウンロード特典付き】

2017年2月 1日 (水)

ママに取り上げられたゲームを探せ!”ママにゲーム隠された”

ゲームをやりすぎて、とうとうママにゲーム機を隠されてしまった・・・そういう苦い思い出をお持ちの方には、これであの時のリベンジを果たしてみませんか?

ママにゲーム隠された - 脱出ゲームを App Store で

Img_1196

”ママにゲーム隠された - 脱出ゲーム”ゲーム機を探すゲームアプリ。なんだか変なコンセプトのゲームです。無料。

Img_1233

ゲームに夢中のこの子。

Img_1234

その背後にはわりと美人系なママの姿が。

Img_1236

彼の身を案じてか、ゲームを隠してしまったようです。

Img_1237

これをきっかけに長きにわたるゲーム機探しのバトルがはじまります。

Img_1198

ゲームのルールは簡単。気になるところをタップするだけです。

Img_1199

アイテムを駆使したり、別の部屋に移動することもあります。

Img_1200

”1日目”はごく普通の場所から見つけられますが、

Img_1202

2日目以降はアイテムを使わないと

Img_1203

クリアできません。

ちなみに、いろいろなところをほじくりすぎてママが出てきてしまうとゲームオーバー。やり直しです。

Img_1205

ソファーの下なんてまだ普通。

Img_1208

なぜか家の中にワニや象、キリンがいたり

Img_1211

女神さまが現れたりします。

Img_1209

お母さんの隠れ方が素敵ですね。もちろん、お母さんをクリックするとゲームオーバー。

Img_1214

だんだん難易度が上がっていくのがわかりますが・・・もはやどこにあるかは見え見えですが、一体どうやってこんなやつらを突破するのか!?

Img_1215

突破できました!

並みいる強豪を蹴落として

Img_1216

とにかくゲーム機を

Img_1218

ゲットしていきます。

あ、上の画面の状態で奥の棚に行くとゲームオーバー。要注意です。油断なりませんね。

Img_1222

こういうゲーム機の出現パターンもあります。

他にもドラ〇ンボール風なイベントがあったり、間違い探し風だったり、手を変え品を変え巧妙にゲーム機を隠し続けるママ。

ところで、このゲームアプリの副題に”脱出ゲーム”とあるんですが、ちっとも脱出していないんじゃないの?

と思っていたら、その答えは

Img_1225

1000日目に

Img_1226

変わり果てた主人公が

Img_1227

ゲームをクリアすると

Img_1228

明らかになります・・・

感動のフィナーレ(?)

Img_1230

まあ、それほど奥が深いわけではなさそうですが。

なお、このゲームには続編もあり。さらにゲーム機を探してみたい方はぜひこちらもどうぞ。

ママにゲーム隠された2 - 脱出ゲームを App Store で

Newニンテンドー3DS LL パールホワイト

無印良品の防水スマホケース「スマートフォン用防水ケース MJ-WPC1」

お風呂で使うときには便利な防水ケースが無印良品で売られてます。

水没事故でも安心!無印良品の1600円スマホケースが超優秀! | &GP - Part 2

その名も「スマートフォン用防水ケース MJ-WPC1」。

ごらんのとおり、iPhone/Androidスマホのいずれでも使える、わりと汎用性の高い防水ケースです。

背面が透明なので、カメラもそのまま使用可能。

iPhone 7非対応と書かれてるそうですが、上の記事では実際にiPhone 7を入れてホームボタンが反応するところを確認したそうです。

私も最近、このケースの実物を”無印良品”でみてきました。

お値段は1600円(税抜き)、iPhone 7サイズのものだけ売られてましたが、展示品に一回り大きいiPhone 7 Plusサイズ用のものも確認(在庫なし、のようでした)。

私の言ったお店では、展示品で自分のスマホが入るかどうかを確認できます。

ただ、誰かがいたずらで前面のビニール部分に穴をあけちゃってました。

そんなに簡単に開くような材質ではないですけど、あのままだとちょっといい印象持たれないですよね。

実物を見る限り、周りの枠ががっちりとしてて、防水ケースだけでなく小さい子供にスマホを使わせるときの耐衝撃ケースとしても使えそうでした。

一応、水中には沈めないで下さいとの注意書きあり。上のリンク先では実際に沈めてましたが、非常用ととらえた方がよさそう。

お風呂場や台所で非防水性スマホを使いたい方、あるいはiPhone 7のように防水性だけど汚したくない方にはお勧めのケースです。

無印良品 スマートフォン用防水ケース 型番:MJ‐WPC1

« 2017年1月 | トップページ | 2017年3月 »

当ブログ内検索

  • カスタム検索

スポンサード リンク

ブログ村

無料ブログはココログ