【Docker】dockerコマンドをsudoなしで実行したい
問題
docker psなど、dockerコマンドを使用するたびにsudo権限が求められる。
毎回sudoつけたり、パスワード入力するのが面倒くさい。
解決方法
$ sudo gpasswd -a ユーザ名 docker
以上！！
Ubuntuにはユーザグループというものがあるらしく、そのグループに指定した権限を付与できる。 上のコマンドで、dockerコマンドでユーザをdockerグループに追加できる。
確認してみる
$ id ユーザ名
で999(docker)と表示されていればDockerのグループに入れているということらしい。
まとめ
dockerコマンドをsudoなしで実行する方法について紹介しました。
PCを再起動しないといけないこともあるらしいので、注意しておきましょう。
【TensorFlow】CNNで顔検出やってみた
目標
今回の目標は画像から顔を検出してバウンディングボックスを描画することです。 気軽にお試ししたいので今回は学習済みモデルを使用します。
実行環境
tensorflow==1.14.0
手順
リポジトリのclone
$ git clone https://github.com/davidsandberg/facenet
facenet/src/以下に以下のface_detection.pyを配置する
import align.detect_face import tensorflow as tf import numpy as np import glob import os def face_detection(path, margin): minsize = 20 # minimum size of face threshold = [ 0.5, 0.6, 0.6 ] # three steps's threshold factor = 0.709 # scale factor gpu_memory_fraction = 1.0 print('Creating networks and loading parameters') with tf.Graph().as_default(): gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_memory_fraction) sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options, log_device_placement=False)) with sess.as_default(): pnet, rnet, onet = align.detect_face.create_mtcnn(sess, None) # read image original_img = Image.open(path) # image width & height width, height = original_img.size # pillow -> numpy img = np.array(original_img, np.float32) # inference results, _ = align.detect_face.detect_face(img, minsize, pnet, rnet, onet, threshold, factor) if len(results) < 1: print("can't detect face") else: for result in results: print(result) x1, y1, x2, y2, score = result x1 = np.maximum(x1-margin/2, 0) y1 = np.maximum(y1-margin/2, 0) x2 = np.minimum(x2+margin/2, width) y2 = np.minimum(y2+margin/2, height) # draw bounding box img = ImageDraw.Draw(original_img) img.rectangle((x1, y1, x2, y2), outline=(0,255,0), width=3) return original_img if __name__ == '__main__': img_path = '../data/images/test.jpg' output_path = './result.png' margin = 0 detect_img = face_detection( path=img_path, margin=margin ) detect_img.save(output_path)
face_detection.pyのimg_pathに入力画像のパス、output_pathに出力画像のパスを指定する
facenet/src/でface_detection.pyを実行する
$ python face_detection.py
入力画像
出力画像
つまずいたところ（エラー）
ValueError: Object arrays cannot be loaded when allow_pickle=False
numpy==1.16.3 より、numpy.load()関数の挙動が変更されたらしく、デフォルトでnumpy.load()の引数allow_pickleがFalseになっているのが原因らしい
解決法
facenet/src/align/detect_face.pyのload()関数内のnp.load()を修正する
def load(self, data_path, session, ignore_missing=False): """Load network weights. data_path: The path to the numpy-serialized network weights session: The current TensorFlow session ignore_missing: If true, serialized weights for missing layers are ignored. """ data_dict = np.load(data_path, encoding='latin1', allow_pickle=True).item() #ここを修正 for op_name in data_dict: with tf.variable_scope(op_name, reuse=True): for param_name, data in iteritems(data_dict[op_name]): try: var = tf.get_variable(param_name) session.run(var.assign(data)) except ValueError: if not ignore_missing: raise
まとめ
学習済みのマルチタスクCNNを動かして顔検出のお試ししてみました。
思ったより精度高そうでだいぶ使えそうです。
色々応用できそうですね！
【Kotlin】applyって何？
applyとは
スコープ関数というものの一つらしいです。
と言われてもどんな関数なのかわからないと思うので使い方を見ていきましょう。
使い方
class = ClassA.apply{
classA内のメンバ変数への値代入やメソッドの実行などの処理
}
わざわざclass.としてメンバ変数の指定やメソッドを実行できる
メリット
- コードが見やすくなる
- コーディングの時間短縮
【Kotlin】companion objectって何？
companion objectとは
詳細な定義についてはよく分かっていないのですが、
Kotlin公式のドキュメントではここで説明がありますね。
メリット
公式ドキュメントには、
オブジェクト式は すぐに 実行され（初期化され）、そこで使用されます オブジェクト宣言は、初回アクセス時に 遅延して 初期化されます コンパニオンオブジェクトは、対応するクラスが読み込まれた（解決）されたときに初期化され、これは Java の静的初期化子のセマンティクスに一致します
と書かれています。
つまり、
「このオブジェクトが定義されているクラスが読み込まれた時」に初めて初期化されるオブジェクト
ということではないでしょうか
これによって、アプリケーションの動作の高速化ができるのではと理解しています。
【Python】忘れがちなpandasメソッドまとめ（※随時更新）
私は普段kaggleやsignateなどのデータ解析コンペティションで腕を磨いているのですが、
最近は画像処理のタスクばかりを扱っていてテーブル処理をする機会がありませんでした。
なのでこれから時系列データ分析するぞ！って気持ちになったときに
そもそもどうやってpandasでcsvファイル読み込んだらいいんだっけ。。。
というところから、メソッドを忘れてしまっていました。
これからのためにも、頻繁に使用かつ忘れがちなpandasメソッドをまとめておきたいと思います。
使用する記号
df:データフレーム
- csvファイル読み込み
pd.read_csv(ファイルパス)
- 先頭5行を出力
print(df.head())
- 指定した列を抽出
df[列名]
- 指定した列のNanの個数を合計
df[列名].isna().sum()
- 表示行を増やす
pd.set_option('display.max_rows', 500)
- 表示列を増やす
pd.set_option('display.max_columns', 500)
- データフレームの保存
df.to_pickle(パス名)
- データフレームの読み込み
pd.read_pickle(パス名)
Pythonを学び始めるなら、ここ！
