息するコード個展に行きたかったのだけど

2023.11.06

Logging

おはようございます、息するコード個展に行きたかったのだけど、知るのが少し遅すぎた残念！！。Xのタイムラインに流れきたのが少し遅すぎた。頑張れば格安で神戸まで高知から飛んでいるのだけど、スケジュール的にちょっと無理ぽっかたのと格安でもまぁまぁな料金設定だったので今回は見送りました😢。深夜高速バスや高速バスとか神戸まで出ていればその便で行くことも可能なんですけどねぇ。東京と大阪行きしか知らないのであるかもしれないけど…。

高尾俊介氏、グネグネと絵の具のようにコードを思いのまま書ける人なんだろうな、すごいなぁ～って思います。自分も絵の具を使うようにコードが思いのまま書ければもっとコードを書くのが楽しいだろうなって思います。コードを書くのは苦ではないもののもっと良いコードをと思うことは今でも思います。リリースしたあとに、もっと丁寧な感じに書けばよかったや命名があまりにもだなって思うと恥ずかしくなりますね。

明日へ続く。

タグ

X, コード, コード個展, タイムライン, 便, 命名, 大阪行き, 少し, 感じ, 料金設定, 東京, 深夜高速バス, 無理ぽっかた, 神戸, 絵の具, 良いコード, 苦, 高尾俊介氏, 高知, 高速バス,

副業OKな会社が増えているらしい。#副業

2023.06.27

Logging

おはようございます、昨日の続きです。働いている会社は副業OKなので何か副業をしたいなって思っています。例えばビットコインの自動売買を運用するなど考えたことがあります。因みにビットコインの自動売買をさくらレンタルサーバーとかでやっては駄目です。規約でそういう文言があります、違反した場合、見つかればサーバー停止になりますので注意しましょう。

自動売買している人は大体、自社サーバーかAWSあたりを上手く使用して運用している気がします。AWSが自動売買を許しているかは分からないので確認が必要です。

自動売買してみたみたいな動画は結構YOUTUBEでもありますが、儲けたよとかいう話はあまり聞かないので、やはり運用は難しいようです。楽して儲けるということは出来ないだというのが定説だと思いますが、これからは機械学習を上手く活用できる人が波に乗れると思っていてます。

特にデジタルな分野ではその傾向が強くなるじゃないかって思います。自分は機械学習を絵の具のように使いこなせないけど学習済みのモデルやAPIを駆使すればなんとか出来るので何とか活用して、何か副業に活かせればと思っています。

タグ

API, AWS, youtube, サーバー停止, さくらレンタルサーバー, ビットコイン, 傾向, 分野, 副業, 副業OK, 売買, 学習済み, 定説, 文言, 機械学習, 波, 絵の具, 自動売買, 自社サーバーかAWSあたり, 運用,

TensorFlow(テンソルフロー）で画像分類させたら車も人の顔って😇

2022.08.07

Logging

こんにちは、今日もまだ呟くこともしないで日が暮れるかもです。

今日は機械学習で画像分類させることを昨日からゴニョゴニョとしていて、やっとこさ自作のモデルから判定することが出来たのですが、あまり精度が良くないので正直な所、残念です。もっと精度の良いものを作れれば良いのになって思いますが、今の力量ではココらへんですね。

因みにココから画像判別の精度を上げるためにはコードをある程度、作り込まないといけないです。あとはデータ量ももう少し多くのデータが必要です。今回作っていてPythonもなかなか面白いなってね感じました。そして結構、書きやすいなとも思ったのですが、まだまだゴリゴリとコードをPythonで書けるわけではないので、もっと勉強しないとなって事です。

Python言語は結構人気だし、機械学習は花形なんですよ。そういう言語を自在に使えるようになりたいなって思います、そしてPHPやJSなどやフレームワークもゴニョゴニョと絵の具のように思い通り使いたいなって未だに思います。知れば知るほど未だまだ勉強で、おそらくコード書きは引退しても学び続けるだろうなって思います。

import numpy as np
import tensorflow as tf
import tensorflow_hub as hub
import PIL.Image
tf.get_logger().setLevel("ERROR")
def preprocess_image(image_path):
    image = PIL.Image.open(image_path).convert("RGB").resize((150,150))
    image = np.array(image) / 255
    image = np.expand_dims(image, 0)

    return image

def test_model(imgurl):
    image_path = imgurl
    model_file_name='human_or.h5'
    labels = ["human","dogs"]
    model = tf.keras.models.load_model(model_file_name, custom_objects={"KerasLayer": hub.KerasLayer})
    predictions = model.predict(preprocess_image(image_path))
    print("検証 %s 人の顔である確率 %3d%%" %(image_path,int(predictions[0][0]*100)) )

test_model("ai_image_test\\test1.jpg.webp")
test_model("ai_image_test\\test2.jpg.webp")
test_model("ai_image_test\\test3.jpg.webp")
test_model("ai_image_test\\test4.jpg.webp")
test_model("ai_image_test\\test5.jpg.webp")
test_model("ai_image_test\\test6.jpg.webp")

https://taoka-toshiaki.com/ML/human_or.zip ←モデル

タグ

array, convert, custom_objects, expand_dims, get_logger, hub.KerasLayer, image, imgurl, int, labels, model, predictions, print, quot, resize, setLevel, フレームワーク, 力量, 絵の具, 花形,