Linux、Debian、Ubuntu、プログラミング、ゲーム、各種プログラムの話題とキントレ、ダイエット、教育等
Umidigi F1 Play非常にコスパの良いスマホとして購入したのですが
1年たたずに、充電が接触不良っぽい不具合にて、充電になりにくくなってしまい
接点回復剤
ネットで検索した端子部のはんだ付け再確認を行ったが（はんだごてで再度ハンダ溶かしてみた、半田追加は怖いからおこなわず）復活せず
しょうがないので、今日、Googleが特売しているPixcel3a XLを購入した
届くのは5/4らしいかなり先
もちょっと待って、Pixcel3aにしとけば良かった。
結局高くつくことに
５Gに移行は、かなり先にすることにした
追記）2020/8 アリババの国際バージョンのショップに、F1Play用の充電基盤があったので、購入して交換したら、復活した。コロナ騒ぎもあったため、注文してから届くまで１ヶ月以上かかった。予備も含めて２個購入して、ギフト券割引で1000から2000の間の金額だったと思う。
分解に特殊なネジが必要なのだが、0.9mmのマイナスドライバーでも開けることが可能だった
外したネジの保管には気をつけましょう、私は特殊ネジの１つを紛失してしまった。
docker run -it --rm -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 mytensorflow
sudo su - user
cd /tf/notebooks/
sudo pip3 install easyAI
mkdir easyAI
cd easyAI
git clone https://github.com/Zulko/easyAI.git
python3 easyAI/games/GameOfBones.py
docker run -it --rm -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 mytensorflow
sudo su - user
cd /tf/notebooks/
sudo pip3 install easyAI
mkdir -p easyAI/Connectx
cd easyAI/Connectx
BWIDTH=7 # board width
BHEIGHT=6 # board height
NEEDLEN=4 # How many must be arranged to win
class Connectx(object):
def __init__(self):
self.color=[[2] * BWIDTH for i in range(BHEIGHT)]
self.v=[" O "," X "," . "]
self.turn=0
self.history=[]
self.isEnd=False
self.winner=2
def clear(self, stone=True):
self.color=[[2] * BWIDTH for i in range(BHEIGHT)]
self.turn=0
self.history.clear()
self.isEnd=False
self.winner=2
def showboard(self):
print(" ",end="")
for x in range(BWIDTH):
print("{0:2d}".format(x),end=" ")
print()
for y in range(BHEIGHT):
print("{0:2d}".format(y)+" | ",end="")
for x in range(BWIDTH):
c=self.color[y][x]
print(self.v[c] ,end="")
print(" | "+"{0:2d}".format(y))
print(" ",end="")
for x in range(BWIDTH):
print("{0:2d}".format(x),end=" ")
print()
print("isEnd : "+str(self.isEnd))
if self.isEnd:
print("game is over winner is "+str(self.winner))
print(self.history)
print()
def legal(self, v):
ans=False
if self.color[0][v]==2:
ans=True
return ans
def isValidXY(self ,xy):
v,y=xy
return (v>=0 and v<BWIDTH and y>=0 and y<BHEIGHT)
def getColor(self,xy):
ans=3
if self.isValidXY(xy):
v,y=xy
ans=self.color[y][v]
return ans
def check(self):
ans=False
for x in range(BWIDTH):
if ans:
break
for y in reversed(range(BHEIGHT)):
if ans:
break
c=self.color[y][x]
if c<2:
#print(">>>***************",end="")
#print((x,y))
if self.bcheck((x,y)):
ans=True
break
return ans
def bcheck(self,xy):
x,y=xy
ans=False
c=self.color[y][x]
if c<2:
for dx in [1,0,-1]:
for dy in [1,0,-1]:
#print("*****(dx,dy)",end=" ")
#print((dx,dy))
if (not (dx==0 and dy==0)) and (not ans):
c1=1
for i in range(1,NEEDLEN):
nx=x+dx*i
ny=y+dy*i
#print("(nx,ny)",end=" ")
#print((nx,ny))
if self.isValidXY((nx,ny)):
nc=self.getColor((nx,ny))
if nc==c:
#print((nx,ny),end=" ")
c1+=1
#print(c1)
if c1>=NEEDLEN:
#print("*** TRUE")
ans=True
break
else:
break
return ans
def getEnableVs(self):
ans=[]
for i in range(BWIDTH):
if self.color[0][i]==2:
ans.append(i)
return ans
def checkEnd(self):
evs=self.getEnableVs()
ans=len(evs)>0 or self.isEnd
if ans:
self.isEnd=True
return ans
def play(self,v):
ans=False
if self.legal(v):
ans=True
for y in reversed(range(BHEIGHT)):
if self.color[y][v]==2:
self.color[y][v]=self.turn
self.history.append([v,y])
#print(self.check())
if not self.isEnd:
if self.check():
self.isEnd=True
self.winner=self.turn
# print("game is over winner is "+str(self.winner))
# print(self.history)
self.turn=int(self.turn==0)
break
return ans
def unmake_move(self, move): # optional method (speeds up the AI)
if len(self.history)>0:
x,y=self.history[-1]
self.color[y][x]=2
#for i in range(BHEIGHT):
# if self.color[y][i]<2:
# self.color[y][i]=2
# break
self.history=self.history[:-1]
self.turn=int(self.turn==0)
self.isEnd=False
self.winner=2
from easyAI import TwoPlayersGame
from easyAI.Player import Human_Player
from Connectx import *
class ConnectxEasyAI( TwoPlayersGame ):
def __init__(self, players):
self.board=Connectx()
self.players = players
self.nplayer = 1
def possible_moves(self):
return self.board.getEnableVs()
def make_move(self, move):
self.board.play(move)
def unmake_move(self, move): # optional method (speeds up the AI)
self.board.unmake_move(move)
def lose(self):
ans=self.board.check()
enemy=int(self.board.turn==0)
return self.board.winner==enemy
def is_over(self):
self.board.check()
return self.board.isEnd;
def show(self):
self.board.showboard()
def scoring(self):
return -100 if self.lose() else 0
if __name__ == "__main__":
from easyAI import AI_Player, Negamax
ai_algo = Negamax(6)
ConnectxEasyAI( [Human_Player(),AI_Player(ai_algo)]).play()
from easyAI import TwoPlayersGame
from easyAI.Player import Human_Player
from Connectx import *
from ConnectxEasyAI import ConnectxEasyAI
if __name__ == "__main__":
from easyAI import AI_Player, Negamax
ai_algo = Negamax(6)
ConnectxEasyAI( [Human_Player(),AI_Player(ai_algo)]).play()
from easyAI import TwoPlayersGame
from easyAI.Player import Human_Player
from Connectx import *
from ConnectxEasyAI import ConnectxEasyAI
if __name__ == "__main__":
from easyAI import id_solve, Human_Player, AI_Player
from easyAI.AI import TT
#r, d, m = id_solve(ConnectxEasyAI, range(NEEDLEN*2, BWIDTH*BHEIGHT+1), win_score = 100)
#r, d, m = id_solve(ConnectxEasyAI, range(13, BWIDTH*BHEIGHT+1,2), win_score = 100)
r, d, m = id_solve(ConnectxEasyAI, range(13, BWIDTH*BHEIGHT+1), win_score = 100)
print(r, d, m) # see the docs.
from easyAI import TwoPlayersGame
from easyAI.Player import Human_Player
from Connectx import *
from ConnectxEasyAI import ConnectxEasyAI
if __name__ == "__main__":
from easyAI import AI_Player, Negamax
ai_algo = Negamax(6)
#ConnectxEasyAI( [Human_Player(),AI_Player(ai_algo)]).play()
ConnectxEasyAI( [Human_Player(),Human_Player()]).play()
python3 ConnectxEasyAI1.py
python3 ConnectxEasyAI3.py
python3 ConnectxEasyAI2.py
Created: 2020-04-04 土 20:52
docker pull tensorflow/tensorflow docker pull tensorflow/tensorflow:latest-py3-jupyter
docker run -it --rm -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 tensorflow/tensorflow:latest-py3-jupyter
docker run -it --rm tensorflow/tensorflow bash
#!/usr/bin/env python # coding: utf-8 # In[1]: # tutorial # https://www.tensorflow.org/tutorials # https://www.tensorflow.org/tutorials/quickstart/beginner import tensorflow as tf import numpy as np tf.__version__ # In[2]: mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() # データ読み込み x_train, x_test = x_train / 255.0, x_test / 255.0 # 正規化 # In[3]: # モデルの構築 model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), # 入力の形式指定 tf.keras.layers.Dense(128, activation='relu'), # 活性化関数としてrelu(ランプ関数)を使って、ノード128のlayer作成 tf.keras.layers.Dropout(0.2), # 過学習を軽減する為らしい tf.keras.layers.Dense(10, activation='softmax') # 関数softmax ]) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # In[4]: model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test, verbose=2) # In[5]: x_train.shape # In[6]: y_train.shape # In[7]: x_train[0][0] # In[8]: len(np.array(x_train)[0]) # In[9]: y_train[2] # In[10]: x_train[0] # In[11]: import matplotlib.pyplot as plt fig, ax = plt.subplots() ax.imshow(x_train[2], cmap="gray") print(y_train[2]) # In[12]: model.predict(x_train) # In[13]: type(x_train) # In[14]: type(x_train[0]) # In[15]: model.predict_classes(np.stack([x_train[0],x_train[1]])) # In[16]: (y_train[0],y_train[1]) # In[17]: ps=model.predict_classes(x_test) # In[18]: ps # In[19]: fx=x_test[ps!=y_test] fy=y_test[ps!=y_test] fps=ps[ps!=y_test] fps2=y_test[ps!=y_test] # In[20]: [fx.shape,fy.shape] # In[21]: fps # In[22]: fps2 # In[23]: fig2, ax2 = plt.subplots() ax2.imshow(fx[0], cmap="gray") # In[24]: fig3, ax3 = plt.subplots() ax3.imshow(fx[1], cmap="gray") # In[25]: print(y_test.shape) # In[26]: 100.0*len(fx)/len(y_test) # In[27]: model.evaluate(x_test, y_test, verbose=2) # In[ ]:
# tutorial
# https://www.tensorflow.org/tutorials
# https://www.tensorflow.org/tutorials/quickstart/beginner
import tensorflow as tf
import numpy as np
tf.__version__
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test, verbose=2)
x_train.shape
y_train.shape
x_train[0][0]
len(np.array(x_train)[0])
y_train[2]
x_train[0]
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.imshow(x_train[2], cmap="gray")
print(y_train[2])
model.predict(x_train)
type(x_train)
type(x_train[0])
model.predict_classes(np.stack([x_train[0],x_train[1]]))
(y_train[0],y_train[1])
ps=model.predict_classes(x_test)
ps
fx=x_test[ps!=y_test]
fy=y_test[ps!=y_test]
fps=ps[ps!=y_test]
fps2=y_test[ps!=y_test]
[fx.shape,fy.shape]
fps
fps2
fig2, ax2 = plt.subplots()
ax2.imshow(fx[0], cmap="gray")
fig3, ax3 = plt.subplots()
ax3.imshow(fx[1], cmap="gray")
print(y_test.shape)
100.0*len(fx)/len(y_test)
model.evaluate(x_test, y_test, verbose=2)
fashion_mnist = keras.datasets.fashion_mnist
# mnist = tf.keras.datasets.mnist mnist = tf.keras.datasets.fashion_mnist
docker run -it --rm -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 tensorflow/tensorflow:latest-py3-jupyter
apt install git
docker run -it --rm -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 tensorflow/tensorflow:latest-py3-jupyter
= SSD Openimages v4 https://tfhub.dev/google/openimages_v4/ssd/mobilenet_v2/1 今回は使ってないけど似た使い方出来そうdocker run -it --rm -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 tensorflow/tensorflow:latest-py3-jupyter
pip3 install tensorflow_hub pip3 install pillow apt install fonts-liberation
cd ~/notebooks/
wget https://github.com/tensorflow/hub/raw/master/examples/colab/object_detection.ipynb
def draw_boxes(image, boxes, class_names, scores, max_boxes=10, min_score=0.1): ...省略 display_str = "{}: {}%".format(class_names[i].numpy().decode("ascii"), int(100 * scores[i]))
def draw_boxes(image, boxes, class_names, scores, max_boxes=10, min_score=0.1): ...省略 display_str = "{}: {}%".format(class_names[i].decode("ascii"), int(100 * scores[i]))
.... ここまでにモデルを作成し、学習した後に
!mkdir -p saved_model
model.save('saved_model/my_model')
new_model = tf.keras.models.load_model('saved_model/my_model')
Created: 2020-01-27 月 21:44
前はxserverさんの無料サイトでブログ開始したんだけど、sslを利用するとChromeが文句言いまくりになるので、引っ越したいと思ってました。
価格をちょっとググると結構高いので躊躇してましたが。持ってたドメインのサイトからたどるとメッチャ安いサーバーあるので、引っ越しすることにしました。
現在は３０日の無料お試し期間で、今の所気になってた、sslも関係なくなって、容量も多いので、今までは画像をアップするのもためらってましたが、これで気をつかわずにブログ出来そう。
チャキチャキ引っ越して本当に良かったよ！
一般家庭で、ノートタイプのマシンを1ヶ月サーバーとして利用したら、多分、数千円単位で電気代が増えると思うんだけど、色々調べたら、一月200円くらい、年間2000円とか、3000円程度でレンラタルサーバーをかりれて、sslも独自ドメインで可能らしい。
その程度の安い金額なら、引越しした方が良い気が
今は容量気にして、画像もアップ躊躇してるから
1週間以内には引越ししようと思います。
今はxserverさんの無料レンタルスペースを使わせていただいているんだけど、無料sslだとブログを開こうとすると警告がでて、これじゃ人に来てもらえない。
今朝https->httpに変更して、それなら大丈夫なんだけど、どうもhttpsの方がGoogleさん好きらしいので、ブラウザで開いたときに警告でないsslが使えるレンタルサーバーが安くであるなら、そこに引っ越そうかと、早速だけど
ロリポップさんが５００円/月らしくて、xserverさんは月１０００円のコース。もっと安いとこないか探して、いきなりだけど引っ越ししちゃうかも
Youtubeとブログを毎日更新しようとしてましたが、早速ブログは投稿できず、Youtubeはまだ再開できていません。
最近やった作業で、Youtubeでアップしても良い気がするものとして、QEMU(仮想マシン)にUbuntu18.04.1をインストールする作業とか、作った後で、ディスクの容量を変化させる作業をしたので、それを動画にしようかと思ってます。
カーネルモジュールを使うと、相当サクサク動くようになっていて、ノーマルよりは遅いんだけど、QEMUめっちゃ使い心地改善されてました。久しぶりに使ってみたんだけど
動画をYoutubeにアップできたら、手順と動画へのリンクを追加しますね!