月別アーカイブ 4月 2018

takahashi 著者:takahashi

Googleが認証していない端末でGoogle公式アプリやPlayストアの利用が不能に

ネット上の情報を探索していたらこんな記事を発見。

Google未認証のAndroid端末でGoogle純正アプリが使えなくなる予定 – Gigazine

どうやら、端末に搭載されているAndroid OSがGoogleに認証されていないものである場合、Google公式アプリが使用できなくなるようです。
Androidはもともとオープンソース化されたOSであり、だれでも自由に使用、および改変を行うことができます。
ただし、上記記事によると、GMailやPlayストアなどどいったアプリはGoogleの”プロプライエタリ”ソフトウェアであり、利用するにはGoogleが出す条件に従わなければなりません。

粗悪な改変Android OSが一般利用者の間に出回らないようにする、という意味では、非常に理にかなっているのかとは思いますが、現状で未認証のAndroidが入った端末をもったユーザーにとっては、端末を変える必要が出てくるので、かなりありがたくない話になるかもしれません。

なお、カスタムROMのAndroidについてはAndroid IDと自分のアカウントを結び付けることで、例外的に利用することができるようになるとのこと。
申請は下記サイトから行えます。

端末の登録 – Google

Android OSのテストとして使いたいのであれば、申請を行えばOKというスタンスのようなので、開発者として使うのであれは特に問題はなさそうですが、申請が必要になった、という部分については気を付ける必要がありそうですね。

  • この記事いいね! (0)
著者:杉浦

ディープラーニングのできる多彩な表現

少し前の画像関係におけるディープラーニングの成果のニュースでは、数十万枚の画像データから学習を行った、というようなふれこみがありました。(最近は画像に上手く回転、移動などの変換をかけてデータの情報量を増やすことによって比較的少ない枚数による学習を行うことができるようになりました。数十万枚でも数千枚でもそれほど学習効率は変わらないはずです)
ディープラーニングにおいて、数十万枚のデータの学習による結果の精度は、数万枚のデータの学習にかかる時間よりも魅力的でした。この記事の話はディープラーニングがなぜそれだけ多くのデータから学び続けられるのか、という話になります。

ディープラーニングはビッグデータと呼ばれるExcelではとても扱いきれないぐらい巨大なデータを用いて学習することができます。これだけ膨大なデータを学習に活かすことができるディープラーニングは多彩な表現が可能になっています。ディープラーニングとは巨大なニューラルネットワークによる機械学習のことです。ニューラルネットワークの持つ表現の仕組みから、多彩な表現が可能な理由の一つを述べます。

ニューラルネットワークは下図の黒丸一つ一つで場合分けを行い、矢印先の黒丸一つ一つにその結果を伝え、伝えられた結果から場合分けが行われます。

この場合分けの伝達によって、場合分けの組み合わせ爆発ともいえるような状態を作れます。
例えば、8個の場合分けから成る層(上図の黒丸の縦列のこと)が14層並んでいるならば、場合分けを8^14回まで行えるようなものです。ここで行えるようなもの、というのは厳密には違うということと用いる意味の薄いであろう場合分けはあらかじめ無視し、処理しないということができるからということです。画像認識を例にすると、画像上における近隣の情報との関係が遠方の情報との関係よりも重要になるので、遠い画素との場合分けは省略したほうがお得です。

このように場合分けを多くすることで、この画素ならばこの線、この線ならばこの部品、この部品ならばこの物体という演繹を広く行うことができ、精度の高い結果を出力することができます。

  • この記事いいね! (0)
著者:ym

車内LAN、車載Ethernetが日産リーフに採用

車載 Ethernet の話。

[特報]次世代車載LANが日本車にも、日産が新型リーフで採用 – 日経 xTECH(クロステック)

この車載 Ethernet って、配線はどうなっているのだろうか。CANやLINとは違うのだろうか?リアルタイム性が求められるLANなので有線だろうけど、ボディーアースで1本の+配線で処理できる電源と同じ様な対応でPoE-LANが取り回せるのであれば結構良い感じがします。でも、気軽にアクセサリやリレーを取り付けられなくなると車両としては面白く無いし。

  • この記事いいね! (1)
takahashi 著者:takahashi

Windows版Gitで認証情報を消す方法

Windows版Gitで、http経由のbasic認証を用いた接続を行う際、初めてリポジトリを登録すると下記の画面が出てくるかと思います。

自分のIDとPWを入れログイン。一度入れてしまえば、次回以降は聞かれなくなるのでとても楽です。
ところがこれ、もし誤った情報を入力してしまうと、その誤った情報が保存されてしまい、なんども何度も試しても認証に失敗してしまう、なんて状態になってしまうことがあります。

この前、ちょうどそういう状況に出会ってしまい、Gitアプリの設定を探しまくったのですが、どこにも認証情報を削除できる場所がありませんでした。
Webで調べてもなかなか情報が出てこなくて困り果てていたのですが、運よく、同じ症状になってしまった場合の解決策がのったサイトを発見。

SourceTreeの認証情報を削除することができない – ATLASSIANコミュニティ

試してみました。
Windowsのコントロールパネルを開き

コントロール パネル\ユーザー アカウント\資格情報マネージャー

へ移動します。
或いは、スタートメニューの検索欄に
“資格情報”と検索し、

出てきた”資格情報マネージャー”をクリックします。


“Windows資格情報”をクリック
すると…

…あった!

矢印ボタンを押すと、資格情報の詳細が出てくるので

その中の”削除”をクリックすると、指定した資格情報を削除することができます!

この状態でGitに接続したところ、再度認証画面を出すことができました…!

資格情報マネージャーではGit以外のWindowsに保存されたBASIC認証の情報や、ファイル共有などのWindowsユーザーログイン情報なども保持されていました。
アカウントを切り替えたい、認証情報を削除したい、でも削除、変更す画面がない!というときはこちらの画面をまず参照するといいかもしれません。

  • この記事いいね! (10)
村上 著者:村上

【CSS】要素に指定したCSSスタイルを解除する方法

今回はCSSを解除する方法について。
複数のCSSファイルを適用しているサイトで、指定した要素に既に別のスタイルが指定されている場合があるかと思います。
で、その既に設定されているCSSスタイルを解除する方法です。

参考にさせていただいたサイトはこちらから。

CSSのスタイルを解除する – Qiita
https://qiita.com/kijitora-neko/items/155b1bc499a365ea1e3f

 

スタイル解除に使うのは、initial という値です。
これを、スタイルを解除したいプロパティの値に指定するだけ。

指定方法のサンプルは下記のような感じです。

div {
    display: initial;
}
span {
    text-align: initial;
}

解除方法はたったこれだけです。

 

ということで、CSSスタイルを解除する方法でした。
!important を使って上書きする方法はありますが、解除は知らなかったので、これはなかなか使えそうです。

が、Internet Explorer 10 では動作しないとのことなので、動作確認は念入りにしてください。
また、プロパティによっては初期値がある場合もあるので、その時は初期値を指定したほうがよさそうです。
状況に応じて、便利に使いましょう。

  • この記事いいね! (0)
著者:aoki

2019年度浜松ハーモニーロータリークラブで地区大会を主催

2019年度、ロータリークラブ第2620地区の地区大会は私の所属する浜松ハーモニーロータリークラブが主体となって開催する為、会場も浜松のアクトシティになります。
ちなみに私も役割を持っており頑張らなければいけません。
先日は会場のアクトシティを見学させてもらいました。


こちらは地区大会の会場であるアクトシティ大ホール。
広さ的には中ホールと変わらない感じですが2階、3階があるので中ホールよりも多い人数を収容できます。


大ホールのステージ。
知らなかったのですが大ホールのステージは日本でも珍しい作りになっており電気で舞台を入れ替えることができるそうです。
ただ動かすとかなりお金がかかるそう・・・


こちらはコングレスセンター。
どれ位椅子が置けるか、どのような配置にするかなどちゃんと決めておかなければいけません。

まだ1年以上先のイベントですが、何事も準備が大事ですので今のうちからやれることをやっていこうと思います。

  • この記事いいね! (0)
著者:ym

URL短縮サービス goo.gl 終了の発表

goo.gl と簡単な URL へ変換できるサービスが終了のようです。どんどん終了していきますね。

私も結構使っていたほうなのですが、今思えば最近はさっぱり使わなくなってしまいました。

Google 社は、Firebase Dynamic Links (FDL) への移行を促している様ですが、初心者は他社サービスを使ってねとのこと。

  • この記事いいね! (0)
takahashi 著者:takahashi

企業のエイプリルフール合戦 in 2018

どうも、最近彼女ができましたtakahashiです。

…というのはウソです。

先日は4/1、そうエイプリルフールでしたね!
ここ数年、4/1になると毎年いろんな企業がジョークをネット上などで飛ばしあうという、謎の風習が出来上がっています。
しかも、企業がつくウソなだけに、なかなかのクオリティがあり、面白すぎて笑ってしまうものや、「おおおおすげー」ってなるものまで、さまざまです。

エイプリルフールはもう過ぎてしまっていますので、現在は一部のネタしか見ることができなくなっているかと思いますが、どんな雰囲気だったか知りたい…!という方はこちらのサイトを見てみると雰囲気を味わうことができるかもしれません。

エイプリルフールに便乗しているサイトまとめ2018年版 -Gigazine

さて、このエイプリルフール期間にここ最近毎年必ずボケをかましている常連企業があります。
Googleです。

Googleはもともとイースターエッグが大好きな企業のようで、Androidのバージョンをタップしまくるとミニゲームが起動したりとか、Google Mapで特定の経路を検索するとドラゴンに乗った場合の所要時間が出てきたりとか、かなり遊び心あるジョークをいろんなサービスに仕込んでいます。

そんなGoogleで毎年エイプリルフールでネタを出しているのが

・Google Map
・Google日本語入力

の2部門。
まずはGoogleMap

・ウォーリーをさがせ!
今年は”ウォーリーをさがせ!”との夢のコラボ!!
Googleマップ上でウォーリーを見つけるゲームができます。


Lv.1はアンデス山 チリ


なんだか、一人だけ服装の違う方がいますが気のせいですかn
「ぶぁっかも~ん!そいつがウォーリーだ!追ええええ!!」
ということで真ん中あたりにいました。
皆さんは見つけられましたか?


ウォーリーを見つけると、この画面が出てきて、次のレベルに進むことができます。


この勢いで2問目もクリア。


何やら通知が。

実績が解放されたようです。


PC版でもプレイできるようですよ。

エイプリルフールは過ぎていますが、数日間は遊ぶことができるようです。
やってみたい方はお早めにチャレンジしてみてください。

・Gboard 物理手書きバージョン

Google日本語入力チームはキーボードを使った、今までとは違う全く新しい文字入力の方法を生み出しました。
その名も、

Gboard 物理手書きバージョン

キーに書かれている文字を反映するのではなく、キーの上で文字を書くように入力すると、GoogleのAIが解析して、文字として出力してくれるというもの。
なかなか斜め上な発想ですが、これを形にしてしまうのがGoogleの凄いところで、

なんと本当にWeb上で”物理手書き入力”を試すことができます。
おまけに、

Githubにソフトウェアとハードの設計図まで載せているという、力の入れ具合が謎すぎる内容となっています。

これはウソといっていいのかもはやわからなくなってきました…

ただし、

Q:濁点や半濁点は入力できないのですか?
A:ぐぬぬ

とあるので、残念ながら現時点では濁点・半濁点は入力できない模様。
今後のアップデートに期待(?)ですね。

4/1に多くの企業がネタ合戦をしていることに、中には微妙な表情をする方もいるようですが、個人的には今までにない一面が見れたり、企業にしかできない規模の大きいネタ、めちゃくちゃユーモラスなネタが沢山出たりするので、個人的には結構好きで、毎年楽しみにしています。

また来年、どんなネタが飛び交うのか、楽しみにしたいですね。

  • この記事いいね! (0)
村上 著者:村上

【Mozilla Thunderbird】メールの行の折り返し文字数の設定方法

今日は4月2日ということで、今日から新入社員の方々が入社する会社も多いかと思います。
で、たいていの会社で使うであろうメールソフトで設定しておくと便利な項目が「行の折り返し文字数を設定する」だと思います。
一般的に、メールでは35~40文字で折り返すのが一般的なため、このあたりで折り返しがされるように設定しておくと便利です。
なお、今回紹介するのは「Mozilla Thunderbird」の設定方法です。

今回参考にさせていただいたサイトはこちらから。

Thunderbirdで1行の折り返し文字数を変更する方法: 小粋空間
http://www.koikikukan.com/archives/2012/04/25-000300.php

 

右上のメニューから「オプション」を選択します。

すると下の画像のようなウィンドウが表示されますので、「詳細」タブを選択し、「一般」のタブの下の方にある「設定エディタ」をクリックします。

さらにウィンドウが表示されるので、検索バーに「mailnews.wraplength」と入力します。
で、検索でヒットした要素をダブルクリックし、数値を任意の値に変更したら「OK」をクリックします。

設定は以上です。
なお、この数値は半角の文字数なので、全角の場合はその倍の数値を設定します。
私は全角35文字で改行するように指定しました。

 

以上、メールの折り返しする文字数の設定方法でした。
が、Thunderbird だと、見た目は改行されても、実際には改行されていないので、改行自体は手動で行いましょう。

  • この記事いいね! (1)
著者:杉浦

ディープラーニングの得意なこと、不得意なこと

この記事の結論は、ディープラーニングは、限られた情報空間内における予測、識別がとても得意であり、学習した情報に類似のない未知の情報に対する予測、識別が不得意、ということです。(y=xという式を予測したいとき、学習データがx=0からx=100までの範囲しかないならx=1000の場合の予測は無茶苦茶になりやすい、みたいな)
近年、ディープラーニングとして多数の層に組まれたニューラルネットワーク(以下NN)が注目されています。ディープラーニングという技術はNNの延長線上にあり、利点を伸ばし、欠点を小さくしながらもNNと同じ利点、欠点を引き継いでいます。
NNは確率的場合分けによる多値分類手法といえます。ここでいう分類とはaはカテゴリAに属する、bはカテゴリBに属する、…といったものです。確率的場合分けと確率的でない場合分けの違いを述べます。たとえば、AとBを場合分けするとします。確率的場合分けはAの確率70%、Bの確率30%と一度出力し、最も高い確率はAなのでAと分類します。確率的でない場合分けは確率を介さずにAと分類します。この場合分けを行う関数が活性化関数と呼ばれます。活性化関数にはステップ関数、シグモイド関数等の関数があります。
ステップ関数

0か1かのみの関数です。縦軸が0ならばA、1ならばBといった具合です。0%、100%という確率を表してるとも言えます。
シグモイド関数

0から1までを滑らかに表す関数です。縦軸が0.3ならばAの確率30%といった具合です。このシグモイド関数のような関数を用いることで確率的場合分けを行うことができます。関数の形からわかる様にこの関数単体で可能な分類は二値分類のみです。
多値分類とは分類結果の種類が3種類以上の場合の分類のことです。先ほど紹介した活性化関数を複数介することで複数種類の分類を行うことができます。下図の黒丸一つ一つが活性化関数です。左端の入力を上からx,y,zとします。活性化関数の出力である矢印はいずれも単一の出力である同じ値のことを示しています。活性化関数の一つであるシグモイド関数は出力:1/(1+exp(ax+by+cz))となるような関数です。このa、b、cはパラメータです。

ネットワークに学習をさせるということは、あるデータがこの関数らを介してどこに分類されるか、それが正しい分類かを試し、より正しく分類できる関数になるようにパラメータを変化させることです。上図では最終出力が二つあります。この最終出力は様々です。それぞれAである確率、Bである確率の様な単なる分類結果とすることもありますし、同じ入力から全く別の二種類の情報を得ようとすることもあります。
学習データに完璧に対応したネットワークが完成した場合、学習に用いたデータと同様のデータを入力した時には正しい分類を行うことができます。ディープなNNを構成するディープラーニングで用いるモデルは柔軟なモデルであり学習データに完璧に対応したネットワークが構成されやすいです。学習を行っていないデータが入力されたときはどうなるか。ネットワークは入力されたデータが学習に用いたデータに類似したデータの場合、正しい分類を行います。一方で学習に用いたデータと類似していないデータの場合、あてずっぽうともいえる的外れな分類を行いやすいです。このためディープラーニングは、学習したデータとその近辺の予測、識別が得意、学習した情報に類似のない未知の情報に対する予測、識別が不得意、ということになります。

余談:ディープラーニングが画像認識を得意とする理由の一因は画像の変化としてありえそうなパターンである拡縮回転、光源等による規則的な色調変化を広くカバーできるためです(学習データを拡縮回転、規則的な色調変化すればそれでありえそうな異なる画像を学習したのと同じことになる。ディープラーニングは学習データを増やしても学習データに対応できる柔軟性がモデルにある)。

  • この記事いいね! (0)