kegch blog

思うこと

Wed, 26 Jul 2023 01:47:33 +0900

「死人に鞭打ちではないか」という人はきっとその死人と同じ世界に住んでいたんだな。
コトバンクの「死屍に鞭打つ」の[使用例]に「社会に害毒を流せし悪人に対しては、大に其死屍に鞭って、以て徹底的膺懲の刑を加うべしである［宮武外骨＊裸に虱なし｜1920」とあるが全くその通りだと思う。もっとも、悪人は本来生きているうちに鞭打たれるべきである。

思うこと

Tue, 11 Jul 2023 17:24:09 +0900

山下達郎って誰だっけ？

思うこと

Tue, 04 Jul 2023 11:13:45 +0900

私の思う普通の親なら、子の愚行の噂を聞いたら、先ず真偽を確かめ、真実なら関係者への謝罪を、身に覚えのない事なら戦うことを諭すと思う。どんな親が「じゃあ一緒に死のう」なんていうんだろう？
また、万一私の親が一緒に死のうなんて言い出したら、私は「冗談じゃない別の方法を考えよう」と言うと思う。
信じがたい事件だ。

思うこと

Mon, 26 Jun 2023 22:07:35 +0900

万が一、私が圧壊の音をリアルタイムで聞いていたとしても、被害者のご家族の気持ちを思えば、破片が映像で確認されるまで大っぴらには公言しないと思う。事故発覚後1時間以内には大きな音の情報を得たという映画監督のコメントをネットで見たのも破片の発見か96時間経過後のタイミングだった。「やっぱりね」と感じた。映画監督の情報はタイミングも内容もさすがだなと思った。

思うこと

Sun, 25 Jun 2023 10:47:34 +0900

2011の被災地にとって、特に福島の沿岸はいまだに現在進行形の問題なのです。

思うこと

Sun, 25 Jun 2023 10:30:57 +0900

繊維というのは引っ張りに強い。
圧縮水素タンクの炭素繊維ぐるぐる巻きは何となくリーズナブルだ。
（デラミの進行には余裕を持ってるんだよね、きっと）
しかし、圧縮には無力に見える。
繊維を使って外部からの圧力に耐える耐圧容器をどのように構成するか全然想像がつかないので、どなたか教えていただけると助かります。

pythonでwindowsアプリを作るライブラリは何ですか？

Fri, 02 Jun 2023 11:35:12 +0900

Bingは以下のように回答しました。

There are several libraries that you can use to create Windows apps with Python. Here are some of the most popular ones:

１．Tkinter: This is a standard Python library that comes pre-installed with Python. It is easy to use and has a simple interface *1.

２．wxPython: This is a cross-platform GUI toolkit for Python that is based on the C++ wxWidgets library. It has a native look and feel on all platforms and supports many widgets *1.

３．PyQt: This is a set of Python bindings for the Qt application framework and runs on all platforms supported by Qt including Windows. It provides a large number of widgets and has a native look and feel *1.

４．Kivy: This is an open-source Python library for developing mobile apps and other multitouch application software with a natural user interface *1.

You can use any of these libraries to create Windows apps with Python. If you want to distribute your app, you can use PyInstaller to convert your Python code into an executable file *2.

I hope this helps!

*1. https://sync-g.co.jp/sjobs/python-desktop/
*2. https://engineer-life.dev/python-desktop-app/

グラフ基本

Fri, 02 Jun 2023 10:49:13 +0900

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1,2,3,4,5])
y = np.array([10,50,30,20,40])

fig = plt.figure()
plt.plot(x,y)
Out[38]: [<matplotlib.lines.Line2D at 0x1ea1e7fdc70>]

plt.clf()
plt.close(fig)

Streamlitとは何ですか？

Sun, 28 May 2023 11:37:44 +0900

ChatGPTは以下のように答えました。

Streamlitは、Pythonでデータの可視化やウェブアプリケーションの開発を行うためのオープンソースのライブラリです。Streamlitを使用すると、データサイエンティストや開発者は迅速にデータの探索、可視化、モデルの評価などを行うことができます。

Streamlitは、シンプルなAPIと機能を提供しており、ユーザーがデータの処理や可視化、インタラクティブな操作を行うためのウェブアプリケーションを短時間で作成することができます。データの可視化や結果の共有を目的としたプロトタイプの開発に特に適しています。

Streamlitを使用すると、Pythonスクリプトを作成し、それをウェブアプリケーションとして実行することができます。データの読み込み、処理、可視化、ユーザーとの対話的な操作など、様々な要素を簡単に組み合わせることができます。また、リアルタイムでの更新や反応性のあるデザインもサポートしています。

Streamlitは、データサイエンスのコミュニティや機械学習エンジニア、ウェブ開発者に広く利用されており、データの可視化や結果の共有を簡単かつ効果的に行うためのツールとして重宝されています。

自宅のPython3で基本的なTransformerモデルを構築する手順を教えてください。

Thu, 18 May 2023 15:41:13 +0900

ChatGPTは以下のように答えました。

自宅のPython3環境で基本的なTransformerモデルを構築する手順を以下に示します。この手順では、Pythonの深層学習ライブラリであるPyTorchを使用します。

１．PyTorchのインストール: Pythonのパッケージ管理システム（pipなど）を使用して、PyTorchをインストールします。以下のコマンドを実行してください：

pip install torch

２．データの準備: Transformerモデルを訓練するために、適切なデータセットを用意します。タスクに応じてデータを前処理し、学習用データとテストデータに分割します。

３．モデルの定義: Transformerモデルの定義を行います。PyTorchのnn.Moduleクラスを継承し、エンコーダーとデコーダーのレイヤーを構築します。Transformerのエンコーダーレイヤーには、セルフアテンションやフィードフォワードネットワークなどのサブモジュールが含まれます。

４．データのローディングと前処理: データセットを読み込み、モデルへの入力に適した形式に変換します。トークン化、パディング、特徴ベクトルへの変換などの前処理を適用します。

５．モデルのトレーニング: データセットを使用してモデルをトレーニングします。エポックごとにバッチデータを取得し、順伝播と逆伝播の計算を行い、モデルのパラメータを最適化します。

６．モデルの評価: テストデータセットを使用してトレーニング済みモデルのパフォーマンスを評価します。テストデータに対する予測結果を評価指標（精度、損失など）と比較します。

以上が基本的なTransformerモデルの構築手順の概要です。実際の実装には、データの前処理やハイパーパラメータの設定、学習ループの実装など、さらに詳細な処理が含まれます。PyTorchの公式ドキュメントやサンプルコード、オンラインのチュートリアルなどが参考になるでしょう。

Transformer応用特定用途モデル

Thu, 18 May 2023 15:23:19 +0900

「LSTMのように、自分のプログラム中でTransformerを使用し独自のネットワークを設定して特定用途のモデルを作ることは可能ですか？」
ChatGPTは以下のように回答しました。

はい、自分のプログラム中でTransformerを使用し、独自のネットワークを設定して特定の用途に適したモデルを作成することは可能です。

Transformerは柔軟なアーキテクチャであり、様々なタスクに適応できる特性を持っています。通常、Transformerモデルはエンコーダーとデコーダーのブロックから構成されますが、必要に応じてこれらのブロックを変更、組み合わせ、カスタマイズすることができます。

具体的には、自分のプログラム中で以下のようなカスタマイズを行うことができます：

レイヤー数の変更: エンコーダーやデコーダーのレイヤー数を増減させることでモデルの深さを変えることができます。より浅いモデルは計算コストが低くなりますが、より深いモデルは表現力が向上する可能性があります。

ヘッド数の変更: マルチヘッドアテンションのヘッド数を変更することで、異なる単語間の関連性を考慮する能力を調整することができます。

入力の変更: 入力の埋め込み表現や特徴表現の次元を調整することで、モデルの入力に適したデータ表現を使用することができます。

転移学習: 事前にトレーニングされたTransformerモデルを使用して、特定のタスクに適用する前に一部または全部を再トレーニングすることができます。

これらのカスタマイズや調整は、特定の用途やデータセットに合わせてモデルを最適化するために役立ちます。ただし、注意点としては、適切なハイパーパラメータの調整やトレーニングデータの適切な処理などが重要であり、モデルの性能を向上させるためには実験と評価が必要です。

なにもしない

Sun, 19 Feb 2023 12:56:30 +0900

読まなくてもなんとなく中身がわかる本。
私ローカルな話でなく日本中にはびこっているらしい。

今日の天気

Wed, 04 Jan 2023 22:24:20 +0900

今日はいい天気でした。

あけましておめでとうございます

Tue, 03 Jan 2023 13:49:10 +0900

あけましておめでとうございます。