satopoooonのブログ

自分向けの備忘録

ローカル環境でgitを完結s

・一人作業

クラウド上にソースコードを置きたくない(許可を取るのがめんどくさい)

って状況があったので、

ローカル環境だけでgitを完結させました。

 

下記参考にしました。

ローカル環境のみでgitリポジトリを作り、履歴管理やブランチ操作を行いたい · atwata developer blog

 

gitのcloneに関して、sshプロトコロルを使用しています。

なので、自分自身にsshできるようにする必要があります。

デフォルトでは、自分のPCはsshでログインできない設定になっているので、

設定を変えました。

macでしたら、

システム環境設定/共有/リモートログイン

を「ON」にすると、sshで自分のPCにログインできます。

 

sshでログインする際にパスワードを要求されるとめんどくさいです。

公開鍵認証方式にすると楽です。

 

実際にリモートリポジトリ、ローカルリポジトリを作成して、

pushしてみます。

 

#まずはリモートリポジトリの作成
$ cd /path/to $ mkdir myapp.git $ cd myapp.git
$ git --bare init --shared

#続いてローカルリポジトリを作成します
cd /path/to/hoge/ git init git remote add origin localhost:/path/to/myapp.git

これで/path/to/myapp.gitというリモートリポジトリが作成できました。

ここで/path/to/hoge/というディレクトリをローカルリポジトリとします。

以下でpushしてみます。

git add .
git commit
git push origin master 

 

予想区間、信頼区間の違い

定量・・・モデルを当てる作業。

予想・・・実際の現れる値を当てる作業

 

2元配置実験計画方の場合の点推定量は、

点推定量 +/-  t(Φ,α)sqrt(Ve/Nd)

となるが、

予想だと、

点予想量 +/-  t(Φ,α)sqrt(Ve + (Ve/Nd))

 とsqrtの中にVeが入っている。

これはさらに推定量に対して、誤差を足すためである。
定量(モデル、真の値)はt(Φ,α)sqrt(Ve/Nd)のバラつきがあるが、

そこにさらに、観測時のバラつきを加えるとt(Φ,α)sqrt(Ve + (Ve/Nd))となる

 

 

おっと危ない:信頼区間と予測区間を混同しちゃダメ - Take a Risk:林岳彦の研究メモ

書評(ウォール街の物理学者)

広く浅く書かれていて、

結構面白かったです。

 

まずは、ある仮定を元にシンプルなモデルを作成する。

そのモデルが通用しない状況が発生する。

その原因を探る。

原因追求後に、新たなモデルを作成する。

 

時代と共にモデルがアップデートされて、洗練されていきます。

ただ、モデルは仮定を元に作られているので、万能ではないです。

その辺を頭に入れて、使っていきましょう。ということが書かれています。

 

 

 

 

 

 

TensorFlowでimage recognition(Inception‐v3 転移学習) 

tensorflowのチュートリアルでImage recognitionがありますが、

これを使って自分で分類機を作成してみました。

参考サイトは以下です。

blog.ch3cooh.jp

今回、新たに自分が用意した画像で学習させますが、

このときに転移学習という技術を利用しています。 

転移学習の説明は以下のサイトで、

qiita.co

Inseption-v3というすでに他の画像データで学習したモデルがあるのですが、

そのモデルの分類に関するノウハウを、

「自分が用意した画像データで学習」する際に利用するのが転移学習です。

ノウハウといいましたが、機械学習ですのでノウハウの意味解釈性は理解しにくいとは思いますが、概ね以下のようなことだと思います。

 

  • 画像における様々なタスクにおいて、「共通してとらえるべき特徴」が存在する
  • 「共通してとらえるべき特徴」を得るのに、画像認識(クラス分類)が有効である

ちなみに、プログラムを実行したら、画像データ足りないと怒られました。

1サンプルにつき20枚程度の画像が必要になるみたいです。

 

qiita.com

m