Django

知識ゼロの私でも大丈夫。ConoHa VPSの申し込み方法。

サーバーやLinuxの知識がゼロの私がVPSサーバーに挑戦です。「rootパスワードって何?」「CentOS?」といった状態です。無謀な申し込みをしちゃったかなとも思いましたが、まあ、調べながら何とかなりそうです。こんな私とVPS始めませんか?
Django

VPSサーバーにはCentOSとUbuntuのどっち?

「Linux、CentOS、Ubuntuって何?」「OSのシェアは?」「必要なメモリーは?」「使いやすさは?」などの疑問に答えます。自分自身がVPSサーバーを借りて、実際に悩んだことを調べた結果なので初心者が疑問に思う内容を網羅していると思います。
レビュー

台風対策。初心者でも飛散防止フィルムを貼れる。(フィルム選定編)

凶暴化する台風による窓ガラス飛散防止を目的とするお勧めの保護フィルムを「ずばり1種類」紹介し、うまく貼るためのコツや失敗しないポイントを紹介します。台風によって窓が割れると風が吹き込むことにより屋根が飛ばされてしまう危険性があります。
Deep Learning

Python♪ラムダ式でクラスのインスタンス変数を操作するテクニック

ラムダ式「f = damdba 変数: 式」の変数にインスタンス変数、式にクラスメソッドを指定すると、クラスのインスタンス変数をパラメータとしてクラスを操作することができます。これはディープラーニングの学習にも利用できるテックニックです。
Deep Learning

NumPy♪nditerを使うと様々な次元数に対応できる

NumPyでは、引数の次元数を限定しないコーディングができるように様々な関数が用意されています。nditerもそのひとつであり、配列の要素を順番に指定することができます。なお、op_flags=['readwrite']についても簡単に紹介します。
Deep Learning

NumPy♪ファンシーインデックスが苦手だと感じたら

ファンシーインデックスの簡単な例はすぐに理解できますが、使い方の仕組みが分からず悩んでしまいました。キーワードは「ブロードキャスト」「インデックスとして渡す配列の数」「list指定とNumPy配列指定の違い」です。ルールがわかればスッキリします。
Deep Learning

NumPy♪ブロードキャストを雰囲気で理解していませんか?

NumPyのブロードキャストは非常に強力な機能です。だから、なんとなく雰囲気で使うのはもったいない。ルールはシンプルですので、一度だけしっかり理解しましょう。NumPyの使い勝手が格段に向上するはずです。ブロードキャストあってのNumPyです。
NumPy

Python♪用語集:NumPyの配列に関する日本語表現

NumPy配列のsize、shape、shape[i]等の日本語表現は様々です。例えば、.shape[i]が示す値は「要素数」「大きさ」「長さ」など多くの言葉が定義されています。そこで、これらの中から使いやすく混乱しにくい表現を選び、紹介したいと思います。
HTML

WordPressでPrism.jsの行番号がコードとずれる

Prism.jsはソースコードを美しく表示するプログラムですが、長いコードでは行番号とずれてしまうことがあるようです。表示が速くて多機能対応なPrism.jsから他のプラグインに変えたくはないですが、行番号表示は私にとって重要な機能です。
Python

Python♪FEM:平面トラスの入力データ作成

Pythonの平面トラス解析プログラムの入力データ作成方法について説明します。慣れないうちはトラスの形状や荷重を配列で表現するのが難しいかもしれませんが、図を見ながら理解してください。各変数の内容を覚えなければプログラム全体が見えてきません。
Python

Python♪提出資料で使えるmatplotlibグラフ書式例2

複数のグラフを表示するサンプルコードです。私自身が提出資料として最低限必要と感じる書式を盛り込んだ例です。「あ~、これこれ」と思った方は、書式例のコードをコピペして自由に使ってください。matplotlib書式例シリーズの第2段です。
Python

Python♪Windowsの「Shift JIS」の落とし穴

「CP932」を「Shift JIS」だと思って使っていませんか? 入出力ファイルのデフォルト文字コードは? Windowsの「Shift JIS」には落とし穴がたくさんあります。最初が肝心ですので、後回しにしないようにしましょう。
Python

Python♪用途別にまとめたファイルの入出力コード

忘れた頃に必要になるファイルの入出力。EXCELのCSVファイルの読み込み、json形式のファイルなど、初歩的な使い方を独断と偏見で選びました。必要になったときに、この記事を開いてコピペできるように用途別に分類してまとめました。
Deep Learning

NumPy♪関数maxやsumにおけるkeepdims指定の図解

keepdims指定によって配列の次元数が維持されるのはわかります。でも、各次元の長さが、どのように変化するのかについては、すっきりしない方も多いのではないでしょうか。そこで、計算前後の変化について図を使って説明したいと思います。
Deep Learning

NumPy♪axis指定を易しく図解(axis = -1とは)

NumPyの関数max等ではaxisで方向を指定しますが、axisの番号と方向の対応が分かりにくく、axisを使うたびに調べ直していませんか。また、計算後の配列の次元数や各次元の大きさについて、モヤモヤしている人も多いのではないでしょうか。