@Blog

AIで記事を学習して新たな記事を生み出すにはお金が必要だと思っていたがそうでも.

2025.06.22

Logging

おはようございます.AIで記事を学習して新たな記事を生み出すにはお金が必要だと思っていたがそうでもなくローカルPCでそこら辺に落ちているLlamaモデルを持ってきてチューニングすれば何とかなるじゃねぇという思いに至った.

実はあなたの手元にあるPCと、そこら中に「落ちている」オープンソースのAIモデル、特にLlama 3があれば、十分記事が生成できるんです。

ローカルAI記事生成は、もはや夢物語じゃない

「AIで記事生成」と聞くと、SFのような世界や、大企業だけが使える特権のように感じるかもしれません。しかし、今は違います。オープンソースの強力な言語モデル、特にMetaが公開したLlama 3の登場は、この常識を大きく覆しました。

Llama 3は、その性能の高さにもかかわらず、誰でも無料で利用できるという点が最大の魅力です。さらに、80億パラメータの8Bモデルであれば、最新のゲーミングPCとまではいかなくとも、ある程度の性能を持つPCであれば十分に動作します。これにより、高額なクラウドサービスを利用せずとも、自分のPCでAI記事生成の環境を構築することが現実的になりました。

なぜLlama 3があなたのPCと相性抜群なのか？

Llama 3がローカルPCでの記事生成に適している理由はいくつかあります。

• 完全無料のオープンソース: 利用に費用がかからないため、予算を気にせずAIを試したり、本格的に導入したりできます。
• 選べるモデルサイズ: Llama 3には様々なサイズのモデルがあり、PCのスペックに合わせて選べます。特に8Bモデルは、個人利用に最適なバランスを持っています。
• 活発な開発者コミュニティ: 世界中の開発者がLlama 3を使った新しいツールや効率的なチューニング方法を日々共有しています。困ったときには助けを借りられる心強い味方です。
• 「量子化」でさらに軽量に: モデルのサイズを大幅に小さくする「量子化」という技術を使えば、より少ないメモリでLlama 3を動かせるようになります。これにより、より多くのPCで利用の道が開けます。

あなたのPCを「記事生成マシン」に変える秘訣

もちろん、いきなりプロのライター並みの記事をAIに書かせるのは難しいかもしれません。しかし、ちょっとした工夫で「何とかなる」レベルの記事生成は十分に可能です。

1. 少量のデータでファインチューニング: 大量の記事データは不要です。あなたが書きたい記事のテーマやスタイルに合った、質の良い記事を数十〜数百程度集めてLlama 3を学習（ファインチューニング）させれば、その分野に特化した記事生成能力が格段に向上します。
2. プロンプト（指示文）の工夫: AIへの「指示の出し方」は非常に重要です。具体的で明確なプロンプトを与えることで、チューニングが完璧でなくても、驚くほど質の高い記事が生成できます。これはまるで、優秀なアシスタントに的確な指示を出すようなものです。
3. 効率的な学習方法の活用: 「LoRA（Low-Rank Adaptation）」のような効率的なファインチューニング手法を使えば、少ないGPUメモリでも短時間でモデルを特定のタスクに最適化できます。

あなたの創造性が、今、AIで加速する

かつては一部の専門家や企業にしか手の届かなかったAIによる記事生成が、今やあなたのPCで実現できる時代になりました。これはまさにAI技術の「民主化」です。

とまぁそういう訳なので何とかしてみますが、ファインチューニングにどれぐらい時間がかかるのかが未知数だったりする.

ファインチューニングPythonコード

以下のPythonコードは、Llama 3モデルをロードし、提供されたテキスト記事でファインチューニング（LoRA使用）を実行し、結果を保存します。 上記の入力値は、このコードに自動的に反映されます。 このコードをPythonファイル（例: `finetune_llama.py`）として保存し、実行してください。

import os
import torch
from datasets import load_dataset
from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig, TrainingArguments, Trainer
from peft import LoraConfig, get_peft_model, prepare_model_for_kbit_training, TaskType

# GPUの利用可能性を確認
print("GPUが利用可能か確認中...")
if not torch.cuda.is_available():
    print("GPUが見つかりません。Fine-tuningにはGPUが強く推奨されます。")
    # GPUがない場合は、ここでスクリプトを終了するか、CPUモードで続行するか選択できます。
    # exit("GPUがないため終了します。")
else:
    print(f"GPUが利用可能です: {torch.cuda.get_device_name(0)}")

# --- 1. モデルとトークナイザーのロード ---
# Llama 3モデルのパスを指定します。Hugging Faceのモデル名（例: "meta-llama/Llama-3-8B"）
# またはローカルにダウンロードしたモデルのパスを指定してください。
MODEL_NAME = "meta-llama/Llama-3-8B" # ユーザーが入力したパスがここに挿入されます

print(f"モデルとトークナイザーをロード中: {MODEL_NAME}")

# 4bit量子化設定 (GPUメモリの節約に役立ちます)
# bnb_4bit_compute_dtypeは、Ampere以降のNVIDIA GPUに推奨されるbfloat16を使用しています。
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_use_double_quant=True,
    bnb_4bit_quant_type="nf4", # NF4 (NormalFloat4) 量子化タイプ
    bnb_4bit_compute_dtype=torch.bfloat16 
)

# トークナイザーをロード
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, trust_remote_code=True)
# Llama 3はデフォルトでbos_tokenを付与しないことがあるため、明示的に追加。
# また、padding_side='right'はLlamaモデルに推奨される設定です。
tokenizer.pad_token = tokenizer.eos_token
tokenizer.padding_side = "right"

# モデルをロードし、量子化設定を適用し、自動的にGPUにマッピングします。
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    quantization_config=bnb_config,
    device_map="auto", # 利用可能なデバイス（GPU）に自動的にモデルを分散
    trust_remote_code=True # リモートコードの実行を許可
)
print("モデルロード完了。")

# k-bit学習用にモデルを準備 (PEFTライブラリのため)
# gradient_checkpointingを有効にすることで、メモリ使用量をさらに削減できます。
model.gradient_checkpointing_enable()
model = prepare_model_for_kbit_training(model)
print("k-bit学習用にモデルを準備しました。")

# --- 2. データセットの準備 ---
# あなたのテキスト記事ファイルが格納されているディレクトリを指定します。
# 例: 'your_article_data/' の中に 'article1.txt', 'article2.txt', ... と置かれている場合
DATA_DIR = "./your_article_data/" # ユーザーが入力したパスがここに挿入されます

print(f"データセットをロード中: {DATA_DIR}")

# 'text'形式でデータセットをロードします。指定されたディレクトリ内のすべての.txtファイルを読み込みます。
# 各ファイルが1つのエントリとして扱われます。
try:
    dataset = load_dataset('text', data_files={'train': os.path.join(DATA_DIR, '*.txt')})
    print(f"データセットのサンプル数: {len(dataset['train'])}")
except Exception as e:
    print(f"データセットのロード中にエラーが発生しました。ディレクトリとファイル形式を確認してください: {e}")
    exit("データセットロード失敗。")

# データセットをトークン化する関数
# 長い記事をモデルの最大入力長に分割します。
def tokenize_function(examples):
    # Llama 3の最大入力長は通常8192ですが、お使いのGPUのVRAMに合わせて調整してください。
    # ここでは一般的な値として2048を設定しています。
    max_length = 2048 
    # truncate=Trueで最大長を超えるテキストを切り捨てます。
    return tokenizer(examples["text"], truncation=True, max_length=max_length)

# データセットをトークン化します。
# num_procはCPUコア数に応じて並列処理を行い、処理を高速化します。
tokenized_dataset = dataset.map(
    tokenize_function,
    batched=True,
    num_proc=os.cpu_count(),
    remove_columns=["text"] # 元のテキスト列は学習に不要になるため削除します。
)
print("データセットのトークン化が完了しました。")

# --- 3. PEFT (LoRA) の設定 ---
# LoRA (Low-Rank Adaptation) は、元のモデルの重みをフリーズし、
# 小さなアダプター層を追加して学習させることで、効率的にファインチューニングを行います。
# これにより、GPUメモリの使用量を抑えつつ、高い性能を実現できます。
lora_config = LoraConfig(
    r=16, # LoRAのランク。値を大きくすると表現力が増すが、メモリ消費も増える。
    lora_alpha=32, # LoRAのスケーリング係数。rの2倍程度が推奨されることが多いです。
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"], # LoRAを適用する層。Llamaモデルで一般的な層。
    bias="none", # バイアスを学習しない設定。
    lora_dropout=0.05, # ドロップアウト率。過学習を防ぐために設定します。
    task_type=TaskType.CAUSAL_LM, # タスクタイプを因果言語モデルに設定。
)

# モデルにLoRAアダプターを追加します。
model = get_peft_model(model, lora_config)
print("モデルにLoRAアダプターを適用しました。")
model.print_trainable_parameters() # 学習可能なパラメータ数を確認します。

# --- 4. 学習の実行 ---
# 学習済みモデルを保存するディレクトリ
OUTPUT_DIR = "./llama3_finetuned_model/" # ユーザーが入力したパスがここに挿入されます

# 学習の設定
training_args = TrainingArguments(
    output_dir=OUTPUT_DIR,
    num_train_epochs=3, # エポック数。データセットのサイズと希望する精度に応じて調整してください。
    per_device_train_batch_size=1, # GPUあたりのバッチサイズ。VRAMが少ない場合は1に設定。
    gradient_accumulation_steps=4, # 勾配を蓄積するステップ数。実質的なバッチサイズは per_device_train_batch_size * gradient_accumulation_steps になります。
    optim="paged_adamw_8bit", # 8bit AdamWオプティマイザを使用し、メモリ効率を向上させます。
    save_steps=500, # 500ステップごとにモデルを保存します。
    logging_steps=100, # 100ステップごとにログを出力します。
    learning_rate=2e-4, # 学習率。
    fp16=True, # 混合精度学習を有効化 (GPUが対応している場合)。VRAM削減と高速化に寄与します。
    max_steps=-1, # num_train_epochsに基づいて学習します。
    group_by_length=True, # 同じ長さのシーケンスをグループ化し、パディングを削減します。
    lr_scheduler_type="cosine", # 学習率スケジューラーのタイプ。
    warmup_ratio=0.03, # ウォームアップ比率。
    report_to="none", # レポート先を指定しない (wandbなどを使用しない場合)。
)

# トレーナーの初期化
# data_collatorは、モデルの入力形式に合わせてデータを整形します。
trainer = Trainer(
    model=model,
    train_dataset=tokenized_dataset["train"],
    args=training_args,
    data_collator=lambda data: {
        'input_ids': torch.stack([f['input_ids'] for f in data]),
        'attention_mask': torch.stack([f['attention_mask'] for f in data]),
        'labels': torch.stack([f['input_ids'] for f in data]), # 因果言語モデルでは、入力自体がラベルとなります。
    },
)

# 学習の開始
print("Fine-tuningを開始します...")
trainer.train()
print("Fine-tuningが完了しました。")

# --- 5. 学習済みモデルの保存 ---
# LoRAアダプターのみを保存します。これにより、ファイルサイズが小さく、効率的に管理できます。
trainer.save_model(OUTPUT_DIR)
print(f"学習済みLoRAアダプターが '{OUTPUT_DIR}' に保存されました。")

# 保存したアダプターを使って推論を行う方法の例 (コメントアウトされています):
# このコードは、ファインチューニング後にモデルをロードして推論を行うための参考例です。
# from peft import PeftModel
#
# # 元のモデルをロード (学習時と同じ量子化設定を使用します)
# base_model = AutoModelForCausalLM.from_pretrained(
#     MODEL_NAME,
#     quantization_config=bnb_config,
#     device_map="auto",
#     trust_remote_code=True
# )
#
# # 保存したLoRAアダプターを元のモデルに結合します。
# peft_model = PeftModel.from_pretrained(base_model, OUTPUT_DIR)
#
# # 推論モードに設定します。
# peft_model.eval()
#
# # テキスト生成の例
# prompt = "ローカルPCでのLlama 3ファインチューニングの利点とは"
# inputs = tokenizer(prompt, return_tensors="pt").to("cuda") # 入力をGPUに移動
#
# with torch.no_grad(): # 勾配計算を無効化し、メモリ使用量を削減
#     outputs = peft_model.generate(
#         **inputs,
#         max_new_tokens=200, # 生成する新しいトークンの最大数
#         do_sample=True, # サンプリングによる生成を有効化
#         top_p=0.9, # Nucleusサンプリングの閾値
#         temperature=0.7, # 生成の多様性を制御する温度
#         eos_token_id=tokenizer.eos_token_id # 終了トークンID
#     )
# print("\n--- 生成されたテキスト ---")
# print(tokenizer.decode(outputs[0], skip_special_tokens=True))

明日へ続く

タグ

```, ;;）, )。, アウト, アシスタント, アダプター, あたり, アップ, あなた, いくつ, ウォーム, エポック, エラー, エントリ, オープン, オプティマイザ, お金, クラウドサービス, グループ, クン, ゲーミング, コード, コア, ここ, こと, コミュニティ, コメント, これ, サイズ, サンプリング, サンプル, シーケンス, スクリプト, スケーリング, スケジューラー, スタイル, ステップ, スペック, すべて, ソース, そこら, タイプ, ダウンロード, タスク, ため, チューニング, ツール, データ, データセット, テーマ, ディレクトリ, テキスト, デバイス, デフォルト, トー, トークナイザー, とき, どれ, トレーナー, ドロップ, バイアス, パス, バッチ, パディング, パラメータ, バランス, ファイル, ファイルサイズ, ファインチューニング, ファインチューニングコード, フリーズ, プロ, プロンプト, マシン, マッピング, メモリ, モード, モデル, もの, ユーザー, よう, ライター, ライブラリ, ラベル, ランク, リモート, レベル, レポート, ローカル, ロード, ログ, 一般, 一部, 上記, 不要, 世界, 世界中, 並み, 並列, 予算, 付与, 以下, 以降, 企業, 使い, 使用, 係数, 保存, 個人, 優秀, 入力, 公開, 共有, 具体, 処理, 出力, 分割, 分散, 分野, 初期, 利点, 利用, 制御, 削減, 削除, 創造, 加速, 助け, 効率, 動作, 勾配, 十分, 参考, 反映, 可能, 向上, 味方, 因果, 場合, 多様, 夢物語, 大幅, 大量, 失敗, 学習, 完了, 完全, 完璧, 実現, 実行, 実質, 寄与, 対応, 専門, 導入, 少量, 工夫, 希望, 常識, 強力, 形式, 必要, 思い, 性能, 手元, 手法, 技術, 抜群, 指定, 指示, 挿入, 推奨, 推論, 提供, 整形, 新た, 方法, 日々, 明日, 明確, 明示, 時代, 時間, 最大, 最新, 最適, 有効, 未知数, 本格, 格段, 格納, 構築, 様々, 比率, 民主, 活用, 活発, 消費, 混合, 済み, 温度, 準備, 無効, 無料, 特定, 特権, 現実, 理由, 環境, 生成, 発生, 登場, 的確, 相性, 短時間, 確認, 秘訣, 移動, 程度, 管理, 節約, 精度, 終了, 結合, 結果, 続行, 能力, 自体, 自分, 自動的, 蓄積, 表現, 言語, 計算, 記事, 設定, 許可, 調整, 費用, 軽量, 追加, 通常, 適用, 選択, 重み, 重要, 量子, 開始, 開発, 関数, 閾値, 非常, 高速, 高額, 魅力,

ハーバード大学物理博士課程・久保田しおんさんのトークが面白いかと.

2025.06.17

Logging

おはようございます.右から左に情報が抜けていく中の人が最近見て良かったなって思えた動画はこちら『【鏡の世界では物理法則がわずかに変化する】ハーバード大学物理博士課程・久保田しおん／私たちが消えずに存在している理由を探る／CP対称性は“誰が”破ったのか【CROSS DIG 1on1】』です.何が良かったのかは久保田しおんさんが研究しているニュートリノ物理学のお話がわかりやすくて良かったです.

実際、表面上理解できても分かるわけではないのだけども、それでもワクワクする話だったです、そしてあんな能力があればなぁって思いました.

因みにCROSS DIG【クロスディグ】が結構専門的な話がまるまる聞けてPIVOTと競合相手なのかなと思っています、チャンネル登録数だけ言えばクロスディグは20万人に対してPIVOTは330万人で圧倒的に多いのですが、これからクロスディグが有料転換しなければ勝算はありそうな気がします.

ともあれ、久保田しおんさんのトークは面白いです.

明日へ続く

タグ

オン, お話, クロスディグ, こちら, サン, そう, タチ, チャンネル, トーク, トリノ, ニュー, バー, パート, わけ, 世界, 久保田, 動画, 勝算, 博士, 圧倒的, 変化, 大学, 存在, 対称, 専門, 情報, 明日, 最近, 有料, 法則, 物理, 理由, 理解, 登録, 相手, 研究, 競合, 能力, 表面, 課程, 転換,

映画、国宝を観てきましたので感想を書いていきます.

2025.06.07

Logging

おはようございます.昨日の映画、国宝を観てきましたので感想を書いていきます.まずこの映画、国宝になるまでの話を丁寧に描いている映画です、3時間と長丁場な映画ですが納得がいく映画だと思います.この映画を観て国宝という人のイメージが変わったと思う人もいると思います.

この国宝は吉田修一の小説『国宝』が基になっているそうです.だだ、その小説の基となった人物像はいるみたいなので其処から着想を得て、映画が『国宝』制作されているだと思います.

役者さんの演技はめちゃ良かったです、かなり大変な役作りだったと思いますが臨場感がありとても良かったです. 改めて映画を通して自分は仕事とや生き方を考えていました.

作った人達は是非、劇場で観てと告知している理由は、歌舞伎の舞などの迫力は映画館でしか味わえない作りになっています、これはかなり圧巻なので劇場で観れる人は観るべしです.

最後に観て良かったです👍️

明日へ続く

タグ

イメージ, これ, サン, そう, みたい, 丁寧, 人物, 人達, 仕事, 作り, 修一, 其処, 制作, 劇場, 吉田, 告知, 国宝, 圧巻, 大変, 小説, 役者, 感想, 明日, 映画, 昨日, 是非, 時間, 最後, 歌舞伎, 演技, 理由, 生き方, 着想, 納得, 臨場, 自分, 迫力, 長丁場,

見るだけでわかる!! 英語ピクト図鑑ってのを購入してみて

2025.05.23

Logging

おはようございます.見るだけでわかる!! 英語ピクト図鑑ってのを購入してみて思ったことを書いていきます.まず、図解は分かりやすいのですが自動詞や前置詞、他動詞とかいう用語が出てきてそこが知らないというか、もう全忘れしている自分にとっては難解でした.

難解でしたが生成AIが解説してくれたので何とかなりそうで、今回はなんか今までよりは続きそうな予感がします.

因みに英語が全く分からないわけでもないのだけど何となく理解できるけど、日本語にちゃんとした和訳が出来ないレベルなんですね、何を言わんとするかは分かるので頭の中で分かると言えば良いのかな.

そんな理由でちゃんとした訳が出来ないや基礎が全く出来ていないまま、生きてきたので結構コードを書くのが大変です.今でもどう書けばよいのやらと不安だらけ…そう言っても命名はしないといけないので命名しているけども自信がないですよね.

この頃は生成AIだよりになっている部分もあり前よりは命名が良くなってきている気がしています.

明日へ続く

タグ

コード, 予感, 他動詞, 命名, 和訳, 図解, 基礎, 日本語, 気, 理由, 生成, 用語, 置詞, 自信, 自動詞, 英語, 英語ピクト図鑑, 訳, 部分, 頭,

買うのを辞めたと言ったiphone16proを購入しました.

2025.04.13

Logging

おはようございます.買うのを辞めたと言ったiphone16proを購入しました.購入した理由は関税と次期iphone17は大幅にデザイン変更があるから、まだ安定的なiphone16を購入しました.

特に関税でAppleのiphoneの価格がどうなるのか分からないので思い切って購入しました.お値段は17万円ととても高額ですがまぁこれから5年ぐらいは使用すると思っているのでまぁ良いかなと思っています.

iphone貯金は13万円まで溜まっていたけど、マイナスでの買いです.このマイナスの金額を仕事以外の臨時収入でペイ出来れば良いのだけども….なかなか難しい.

来月も何だかんだ払わないといけないし、今年の年末にも7万円ぐらいは必要になる、お金がいくらあっても足りないですね.何とかして収入を増やしたいなっていまは思っています.

何かに特化した人になりたいなって思います、尖りたいけど尖れない今日此の頃…

追伸、iphone16で動画で取りましたのでそのうちUPします.

明日へ続く

タグ

お値段, お金, デザイン変更, マイナス, 万円, 人, 仕事以外, 価格, 動画, 収入, 年, 年末, 次期, 理由, 臨時収入, 貯金, 追伸, 金額, 関税,

基本情報技術者試験、今月の末に受けないかも知れない説

2025.04.08

Logging

おはようございます.基本情報技術者試験、今月の末に受けないかも知れない説が出てきました.その理由は受かるかもでは受けたくないという事です.必ず受かるだろうという自分に確信が持てるようになってから試験を受けたい.

何度も受けるのは金銭的に辛いので合格するだろうという所までお待ち下さい🙇

いま受けても確実に不合格だという事が勉強をしていて見えてきました.結構忘れていることが多く恐らくいまの勉強の仕方では受からないだろうということです.朝起きて犬の散歩に行く前ぐらいまで勉強に少し当てています.その勉強方法ではたぶん受からない.

自分は賢くないので、最低でも5ヶ月ぐらいは必要な気がします.それも毎日頑張って勉強すればですけど、三日坊主になる可能性も…ならないとは思うものの習慣を付けるので結構な時間を割きそうです.

とまぁ弱々メンタルなので、いつ受けるかは未定です（熱しやすく冷めやすい）.

因みに、参考書は3冊ほど購入しました.

明日へ続く

タグ

ヶ月, 三日坊主, 仕方, 何度, 冊, 勉強, 勉強方法, 参考書, 可能性, 基本情報技術者試験, 所, 散歩, 朝, 末, 犬, 理由, 確信, 習慣, 試験, 説,

dockerというよりLaravel Sailの環境構築にてのお話.mysqlサーバーが落ちる理由.

2025.03.20

Logging

おはようございます.dockerというよりLaravel Sailの環境構築にてのお話とmysqlサーバーが落ちる理由を書いていきます.まず結論から言うとLaravel SailでMysqlサーバーを使用する場合、env設定のDB_USERNAMEにrootを使用するとMysqlサーバーのコンテナが起動後、直ぐに落ちる.起動と落ちるの繰り返しが発生するのでrootユーザーは使用しないように！

この事でQiitaにもいろいろな記事が書いてあるのだけど、殆どが的外れな内容でした.これが発生する理由はhealthcheck（create-testing-database.sh）を行っている場合、其処でrootアカウントが重複してしまいこのような事象が発生するらしいので、DB_USERNAMEには適当なsailなどのユーザーを割り振ると良さげ.

https://zenn.dev/naoki_oshiumi/articles/4c69822b18566a （⏪️詳しくはこちら）

因みに自分はこの事象の解決に2時間ぐらい無駄な時間がかかりました.理由を分かると何のことはないのだけども生成AIに聞いてもトンチンカンな答えしか表示しないので、最終的にはまだググるが勝っている気がします.

因みに業務でLaravel sail構築するのははじめてでした.いつもは自分で環境構築を作っているので🐔

明日へ続く

タグ

アカウント, こんてな, サーバー, トンチンカン, ユーザー, 事象, 其処, 内容, 業務, 殆ど, 理由, 環境構築, 生成, 答え, 結論, 良さげ, 解決, 設定, 起動, 起動後,

掲示板広場㌁第三の掲示板として点字掲示板をリリースしました.

2025.03.18

Logging

おはようございます.掲示板広場㌁第三の掲示板として点字掲示板をリリースしました.次に暗号化掲示板を作ろうと思っていましたが、当分の間、掲示板は作らない.理由は使ってくれる方がいらっしゃらないから.今後はこの掲示板を宣伝していこうと思っています.

掲示板とは別にWEBツールを作っていこうと思います.こちらは多少ニーズがありそうなモノを考えて作っていこうと思います.1日1WEBアプリというのも有りかなと考えたのですが、二番煎じ感が強いので今回はスルーします.使ってくれてなんぼ感があるので誰も使わないものを作っても仕方がない.

生成AIを活用してアイディアを出してもらい、その中からこれなら行けそうという物があれば制作していく形になると思います.

一応、点字掲示板のURLを貼っときます.良かったらどうぞ.

https://bbs-station.start-line-system.com/braille_bbs

明日へ続く

タグ

アイディア, ツール, 二番煎じ感, 仕方がない, 多少ニーズ, 形, 感, 掲示板, 掲示板広場, 日アプリ, 暗号化掲示板, 次, 点字掲示板, 物, 理由, 生成, 間,

この頃、言語化や語彙などという言葉が書店に並んでいるのでポイントで購入してみた.

2025.03.07

Logging

おはようございます.この頃、言語化や語彙などという言葉が書店に並んでいるのでポイントで購入してみた.ポイントで購入するので1時間ぐらいどの本を購入するか悩んだ挙げ句に、高知県、出身の方が書かれた「好き」を言語化する技術という本を購入しました.

因みにじっくり読んではいないので感想は書かないけど、何故、この本を読んでみようと思ったのは帯にも書かれている通り「すごく感動したのにおもしろかった」しか言葉がでてこないというキャッチコピーに「あぁまさにこれだ」と心で思ったので購入.

Xでも映画観終わった後にポストするのだけど「ついつい同じ言い回しを使ったり」、「良かった」などで終わらしている自分がいるのでもっと良さを伝えれたらなという思いもあるし少なからず承認欲求というものもある（これで少しは良いねを貰えるかなという思いも）.

因みにこの本の感想は書かない可能性があります、理由は実践しようと思っているので（笑）

明日へ続く

タグ

キャッチコピー, ポイント, 出身, 少し, 帯, 心, 感想, 承認欲求, 技術, 映画観, 書店, 本, 理由, 笑, 良いね, 言葉, 言語化, 語彙, 通り, 高知県,

にこスマでiphone se2 Aグレードを購入しました.ちなみにios18

2025.03.03

Logging

おはようございます.にこスマでiphone se2 Aグレードを購入しました、ちなみにios18に対応しています.対応していなかったら購入していない.もしios19が非対応になっても恐らくそれから7年ぐらいは使用可能だと思います.iphone se2は2020年に発売されたものになるらしい.

ちなみに今じぶんが使用しているiphoneはXSMaxなので2018年に発売されたものになります.次期iphone17は恐らくRAMも16よりは増量すると思います.なので人工知能の処理で欠かせないRAMが多くなったiphone17は買いどきかなと思っているのだけど型落ちのiphone16を購入する可能性はあります.

その理由はiphone17が大幅に一新したモデルなっていた場合、iphone16を買うという選択肢もあります.大幅に一新すると何かしら不具合や欠陥が発生する場合があるので、買うかどうか発売後に決めようと思います.

今回、にこスマで購入したiphone se2は想像通り見た目キレイで申し分ない感じでした、Aグレードで2万6千7百円は結構オトクな感じですね.これからどれぐらい使用できるか分からないけど当分持ちそうな印象です.

明日へ続く

タグ

グレード, こスマ, じぶん, モデル, 万千百円, 人工知能, 使用, 処理, 印象, 可能性, 増量, 年, 想像通り見た目キレイ, 欠かせない, 欠陥, 次期, 理由, 発売後, 選択肢, 非対応,

中古のiPhone se2を購入.買う予定はなかったんですが急遽.

2025.03.02

Logging

おはようございます.先日、中古のiPhone se2を購入.買う予定はなかったんですが急遽購入しました.理由はご想像にお任せします、iPhone se2は親用です.自分はiphone17の発売後、数カ月後に購入予定です.その頃にはアイフォン貯金が溜まっている頃になるので.

今回のことで人生自分の思っていた通りにはならないなって思います.どんなに準備していても上手くいかないこともあるし、自分だけで生きているわけでもないので予定通りにはいかない.幼い子どもがいると予定通りにはいかないという事があるらしいけども何かそうなんだなぁって思いました.

お給与がアップしないかなぁ.無いよりある方が良いということ、貯金ばかりしていて余裕資金があまりにも無いのでたまには「ぱぁーっと」使いたいなって思いますが行く行くのことを考えるとそんなに散財することも出来ないなぁって思います.20代の時は給料全額使っていた時もありあの頃はある意味、馬鹿でしたが今よりも楽しんでいた気がします.

明日へ続く

タグ

$代, アイフォン貯金, お給与, ご想像, 中古, 予定, 予定通り, 人生自分, 余裕資金, 幼い子ども, 意味, 数カ月後, 気, 理由, 発売後, 給料全額, 親用, 貯金, 購入予定, 通り,

業務でGitHubの通知にメールを使用していたけど遅すぎて

2025.03.01

Logging

おはようございます.業務でGitHubの通知にメールを使用していたけど遅すぎて困ると思ったので、GitHubのChrome拡張を使用することにしました.因みに自分が使用しているのはNotifier for GitHubではなくてGitHub Desktop Notificationの方です.

理由はAPI機能を使用していない点です.DOM構造で見に行って新着があるかを判断している.DOM構造はローカルストレージに保存しているだということなので良さげかなと思ったのと、日本人開発者だった点、そしてソースコードはオープンにしている点です.

一週間ぐらい試してみて不具合などが無ければこちらを使用してみようと思っています.それにしても何故にメールのデスクトップ通知が遅くなったのかは謎です.

リモートワーク勤務をしているのでレスだけは早くしたいなって思います.因みにGitHubデスクトップを導入している人はデスクトップ通知を許可することで通知が来るらしいです.

追記：どうも重い.PCが落ちだしたのでアンイストール.

明日へ続く

タグ

アンイストール, ソースコード, デスクトップ, デスクトップ通知, メール, リモートワーク勤務, レス, ローカルストレージ, 一週間, 拡張, 新着, 業務, 構造, 機能, 点, 理由, 良さげ, 謎, 追記, 通知,

mixi2使っているの？.自分はアカウントはあるけどほぼ使用していないけど何か？.

2025.01.29

Logging

おはようございます.mixi2使っているの？.自分はアカウントはあるけどほぼ使用していない、理由はweb（ブラウザ版）がないからと言いたいところだけど、ブラウザ板があるThreadsなんかも使用していないBot化しているだけでXには勝てていない.

SNSは分散していっているけど、使い慣れたX（旧Twitter）はなかなか離れられれない.同じ機能のSNSが乱立しているのにXにはまだ勝ててない気がする.10年、20年と時間が経てばシェア率は変わっていくのだろうけど、4,5年ではあんまり変わらないじゃないのかなと.

そもそも人は使い慣れたものから違うものに中々移らないらしい.よほどコストダウンするとかする場合は話は別話だろうけど、無料で使用できるサービスはそういう感じらしい.だから何が何でも早くリリースした方が良い説がIT界隈には浸透している.

個人や零細企業は無料で公開するのは辞めといた方が良い.何故なら使われておしまいになるケースが多いので絶対的に課金するシステムを作った方が良い.

無料で公開する場合、皆が使用できるサービスで且つどんな年代でも使用できるサービスない厳しいと.

だからではないけど、mixi2はオープンにしないと世界的には広がらないじゃないのかと思います.

明日へ続く

タグ

アカウント, おしまい, ケース, コスト, シェア率, システム, ブラウザ板, ブラウザ版, 別話, 厳しい, 年, 年代, 感じ, 旧, 機能, 理由, 界隈, 皆, 良い説, 零細企業,

インフォーマ2 闇を生きる獣たちをネトフリで観ています.

2025.01.18

Logging

おはようございます.アメマで放送されていたドラマ、インフォーマ2 闇を生きる獣たちをネトフリで観ています.今のところ、面白いので次々とドラマをみたいなと思うものの.時間を消費するので勿体ないという気持ちがある、ドラマでも映画でもゲームでも同じで時間が勿体ないという感覚に陥る事があるですね.

ウォーキング中に観たりしている事がこの頃多くなったのは、そういう理由があります.時間は有限という思いが、いつの頃か芽生えてその頃から何もせずに時間を消費しているのが、勿体ないという気持ちになっているです.実際に余暇を過ごす時間も大事なんだと思うものの、何故か余暇ぽっいことをせずに一日が過ぎる休日がこの頃多いです.

なので、一日何もせずにただダラリと過ごす時間を作りたいなと.

明日へ続く

タグ

アメマ, インフォーマ, ウォーキング中, ゲーム, ダラリ, ところ, ドラマ, ネトフリ, 一日, 休日, 余暇, 勿体, 実際, 感覚, 映画, 時間, 気持ち, 獣たち, 理由, 闇,

あれもこれも終わっていないものばかり.そうあれもこれも終わっていない.

2025.01.16

Logging

おはようございます．あれもこれも終わっていないものばかり.そうあれもこれも終わっていないのです.何がといえばファイナルファンタジー16とファイナルファンタジー7リバースが未だにクリアしていない.どちらも中盤前でプレイしているのですが、なかなかクリアするまで云ってません.

ファイナルファンタジー16もファイナルファンタジー7リバースも悪くないと思っています.なのに中々ゲームプレイ出来ないのには理由があります、休みの日も何だかんだでコードを触っている、コードを書かない日はない、やっぱコードを書くことがゲームプレイするより面白いと自分は感じている自分がいます.

WEBアプリやWEBサービスを作る過程が楽しいですね、作って終わると「運用」という物が始まります、これは自分にとってちょっと負担です.

WEBサービスをリリースしユーザーが付いてしまうと終わらすのが難しい.運営が赤字でも運営しているサービスなんかもあると思います.広告貼っているからガンガン収入が入ってくるわけでもないので難しいところです.

積みゲーは当分積みゲーなのかも知れないですねー.目標としては今年中にどちらかをクリアしたいです.

明日へ続く

タグ

アプリ, ゲー, コード, ファイナルファンタジー, ファイナルファンタジーリバース, ユーザー, 中盤前, 休み, 収入, 広告, 未だ, 物, 理由, 目標, 負担, 赤字, 運用, 過程, 難しいところ, 難しい運営,

とある掲示板的なサービスにソフトデリート機能を追加した話.

2024.12.27

Logging

おはようございます.先日、あるユーザーから一通の問い合わせが届きました.そこには「削除依頼」という文字だけで何を削除すれば良いのかや削除の理由などは書かれていなかった.

陳腐するぎると内心思ったのだけど、実際どんな年代が使用しているのかは分からないので「削除」ボタンを追加し本人と管理人以外、削除出来ないようにその日のうちに対応しました.

これによって誤って投稿したものを削除することが可能になったので、ユーザーさん的には使いやすく少しはなったんじゃないかな？

とある掲示板的なサービスは、こちらの無料サービスのリンク紹介に貼っています.どのサービスがそうなのかはご自身で調べてみてください.

明日へ続く

タグ

うち, ご自身, サービス, ボタン, ユーザー, リンク紹介, 一通, 削除, 削除依頼, 問い合わせ, 実際どんな年代, 少し, 文字, 日, 本人, 無料サービス, 理由, 管理人以外,

映画館で映画を観る人です．因みにシネマ会員になってからこれまで．

2024.09.28

Logging

おはようございます．映画館で映画を観る人です．因みにシネマ会員になってからこれまで観たログとして残っている映画の本数は335本です．これは会員になってから物なのでもっと本数は観ていると思います、いやー創作する人は凄いですね．

因みに335本を1500円として計算してみると502500円です、まさにチリツモですねー．

当初は来月は観に行く予定ではなかったのだけども最低1本は観に行く予定でいます．映画館は一人で観に行くことが多く、飲食も買わずに大体前列で観ることが多いです．前列で観る理由はベストポジションであり、そして田舎という事も関係し客がいないので貸し切り状態で鑑賞している感覚でみえることが多いので好んで前列で観ています．

趣味でお金を払っているのは映画と音楽ぐらいのものです．

明日へ続く．

タグ

シネマ会員, チリツモ, ベストポジション, ログ, 予定, 会員, 前列, 当初, 感覚, 映画, 映画館, 本数, 物, 理由, 田舎, 観, 貸し切り状態, 趣味, 音楽, 飲食,

映画、東京リベンジャーズ2 決戦を観る．

2024.08.25

Logging

おはようございます．映画、東京リベンジャーズ2 決戦を観ましたので感想を残しときます．まず、運命編を観ないといきなりストーリーが始まるので意味がわからないかも知れないです．ですので、必ず運命編は観ないといけないかもしれない．そして東京リベンジャーズ1を観て運命編を観ないとやっぱ楽しめないかも知れないです．なので、楽しみたい方はシリーズ全部観をしないといけないと思います．

自分はこの映画を楽しめたかどうかで言えば、あまり楽しめなかった．理由は先日書いた小言にあります．喧嘩や命が結構軽く描かれている気がする、なのでストーリーはタイムリープ的で楽しめるけども喧嘩や命が軽いですね．結構、人気の漫画らしいですけども・・・．

自分のおすすめ漫画はバガボンドがオススメです．井上雄彦 氏が描かれた漫画は普通の漫画とは格段に違い画力も良く、息遣いさえ伝わってくる漫画です、ストーリーも良いです．

明日へ続く．

タグ

おすすめ漫画, ストーリー, バガボンド, 井上雄彦, 全部観, 命, 喧嘩, 小言, 息遣い, 意味, 感想, 映画, 東京リベンジャーズ, 格段, 氏, 決戦, 漫画, 理由, 画力, 運命編,

首掛け送風機のレビューを少し残しときます．#夏

2024.07.27

Logging

おはようございます．先日、首掛け送風機を購入したのでそのレビューを書いていきます．値段は2000円を越さない値段で購入しました、俗に言う安物買いになります😅、安い価格だから涼しくなくても仕方がないと思っていたのだけど、案外送風が外気温より少し冷たいです．そこが凄く意外でびっくりしました．

送風音に関しては安い価格なので、それなりにファンの音がします．これが嫌だと思う方は買わない方が良いかもですが、ファンの音を気にしないという方は良いじゃないかな？

朝散歩する時や夕方にウォーキングする方には熱中症対策になると思いますが、まだ炎天下の下での使用はしていません．使用はしていない理由はリチウム電池が熱暴走して何かあったら恐いのでまだ試していません．そのうち試してみようとは思ってます．

使用した場合はX.comでポストしているのでそちらを参考にしてみてください．この投稿があってから一週間以内に試すつもりです．

明日へ続く．

タグ

X.com, うち, ファン, リチウム電池, レビュー, 値段, 参考, 夕方, 外気温, 安い価格, 安物買い, 朝, 炎天下, 熱, 熱中症対策, 理由, 送風, 送風音, 音, 首掛け送風機,

7000円返して欲しいぞ．お名前レンタルサーバーRS．

2024.06.27

Logging

おはようございます、先日、お名前レンタルサーバーRSを2ヶ月間無料枠をその日のうちに使えないという理由で解約したら、5ヶ月分お支払いくださいという事になった．ということで7000円分無駄なお金を支払うことになりました．この事でお名前.comへ問合せを行ったけど覆りそうにない、正直かなり最悪だなって．規約をちゃんと読まなかったのが悪いのだけどもかなり痛い．

皆さんも何か契約する時は規約に目を通しときましょう．あとからこういう事態にならないためにも長文の規約を読むことをオススメします．

因みにお名前.comはいろいろとトラップがあることは前々知ってはいましたが、ここまで酷いとは思わなかったです😭．

明日へ続く．

タグ

2ヶ月間無料枠, 5ヶ月分, com, Photo by Pixabay on Pexels.com, うち, お名前.com, お名前レンタルサーバーRS, かなり, かなり痛い, トラップ, 事態, 何か契約, 前々, 問合せ, 理由, 皆さん, 目, 規約, 酷い, 長文,

コールド・リーディングと無駄話と占い．

2024.06.19

Logging

おはようございます、コールド・リーディングと無駄話と占いが混じり合った褒め合いのような動画を先日YOUTUBEで見ました．この記事が投稿されている頃には後半動画がYOUTUBEにアップされている頃だと思います．

この頃、ReHacQs見なくなったけど手相占いということで見てみようと思いスキップしながら動画を見た所感を書いていきます．

占いというものはあまり信じていないのですが手相は占いはなんか信じていたのです、理由は結構統計データ的な要素があるじゃないのかなって思っていたので．

動画を見ているとそこまで統計データ的なものは無そうな感じでしたね．島田秀平さんは手相をみるのも凄いのかも知れないけれどトークが上手いなっていう印象を持ちほぼ動画を最後まで観終わったって後半もみたいなって思いましたが、あまり手相も信じ過ぎないでおこうと．

そう思ったのが会話を聞いていると、コールド・リーディング的な感じがしてしまったので．

弱ったときは占いなどにハマる人がいますが、あまりずぶずぶにならないように注意が必要だなって思います．

明日へ続く．

タグ

ReHacQs, youtube, コールド, コールド・リーディング, トーク, 会話, 動画, 占い, 印象, 島田秀平さん, 後半, 後半動画, 所感, 手相, 手相占い, 最後, 注意, 理由, 統計, 要素,

ラッコキーワードを少し活用してみようって．

2024.06.03

Logging

おはようございます、ラッコキーワードを少し活用してみようって思って会員登録をしてみました．ラッコキーワードとはGさんのサジェストからキーワード候補を列挙してくれて、どのキーワードが多く使われているかなどがランク付けで表示してくれるサービスです．

ラッコキーワードの他にもいろいろなサービスを提供しています．

ラッコキーワードと生成AIをかけ合わせて記事の量産する方法や作ることは可能です．もし使用したい方はワードプレスになりますが、プラグインを作っているのでそちらを参照して頂けばと思いますが、自分はオススメしません．

理由は生成AIで量産したものを見抜くAIが開発された場合、今まで価値のあった記事が紙くずになる可能性があるのでオススメしません．面倒くさいかもしれないかもですが、人の代替はきかないと思っています😌派なので地道に記事を書くことが大切になるような気がします．

明日へ続く．

タグ

AI, Gさん, キーワード, キーワード候補, サービス, サジェスト, プラグイン, ラッコキーワード, ランク付け, ワードプレス, 代替, 会員登録, 価値, 可能性, 少し, 気, 派, 理由, 生成AI, 自分,

刺さるドラマ

2024.05.07

Logging

おはようございます、挿絵が今ひとつですね．さて久しぶりにドラマを見ています、アンメットというドラマがなんか自分は刺さりました．記憶障害の女医の物語ですが、いままで見てきたドラマのなかで結構上位に入るドラマですね．

医療系のドラマは比較的に外れがあまりない気がします．その理由はヒューマンドラマが多いからなんじゃないかなって．まだ2話しか見ていないのです、これは予告投稿なのでこの記事が投稿された頃には4話ぐらい見ているかもしれないです．

因みにアンメットは漫画が原作です．

明日へ続く．

タグ

2話, 4話, アンメット, ドラマ, なか, ヒューマンドラマ, 上位, 予告投稿, 医療系, 原作, 女医, 挿絵, 気, 漫画, 物語, 理由, 自分, 記事, 記憶障害,

三体シーズン1

2024.04.16

Logging

おはようございます、三体シーズン1見を終わったので感想を残しておきます．素直に面白い内容ですが、結構残酷な描写もあり子供に見せるのはオススメできませんが楽しめる内容になっています．落ちがすごく気になるのでシーズン2待たずに、小説を購入して読みたいなって思っていますが、以前も書いたように小説を全巻揃えると一万円ぐらいするので、今の自分には少々悩ましい金額です．

収入が以前のように安定したら即電子書籍を購入して読みたいと思っています．シーズン2が恐らくネトフリで来年には見れる可能性が高いと思っています．理由はネトフリの再生回数が歴代1になったそうなので、シーズン2は確実にあると思います．今から楽しみです．

明日へ続く．

タグ

シーズン, シーズン2, ネトフリ, 三体シーズン, 全巻, 内容, 再生回数, 収入, 可能性, 子供, 小説, 悩ましい金額, 感想, 描写, 来年, 歴代, 気, 理由, 電子書籍, 面白い内容,

ファイルファンタジー7リバース

2023.12.19

Logging

おはようございます、ファイルファンタジー7リバース買いだなって思います。理由はFF7を青年時代に楽しんだ世代だからです。あの時は3DとゲームのRPGなんて無かったですよねぇ、それを恐らく初めて世に出したと思います、ただただ衝撃的でした。今では3Dというのが当たり前になっていますけどね。

そんな衝撃的なゲームをまたプレイできるなんて結構楽しい。そしてオープンワールドになっているので嬉しいポイントですよね。そのオープンワールドがかなりリアルになっていて感心します、ここまで再現できるのかと思うといやー次世代ゲーム機（PS5）って凄いな。初代プレイステーションもかなり衝撃的でしたけど、何気にPlayStation5も凄いよなって思います。

本当に今から発売日が待ち遠しい。

明日へ続く。

タグ

３Ｄ, FF7, PlayStation5, PS5, RPG, オープンワールド, かなり, ゲーム, ファイルファンタジー7リバース, 世, 世代, 何気, 初代プレイステーション, 次世代ゲーム機, 理由, 発売日, 青年時代,