9月 « 2024 « shell-mag

香川大学SLPからお届け！（Vol.92掲載）

投稿日：2024.09.25　｜　カテゴリー：　コード

著者：池内稜來斗

各都道府県の都道府県庁所在地を尋ねるクイズを出題するWebサイトをPHPで作成しました。今回は、そのWebサイトの概要や作成手順などを紹介します。PHPの実行環境や、各種サーバーソフトウエアは、「XAMPP」（https://www.apachefriends.org/）を使ってインストールします。

シェルスクリプトマガジン Vol.92は以下のリンク先でご購入できます。

図2　「db.sql」ファイルに記述するSQL文

use pref_capitals_quiz;
insert into pref_capitals
  (id, name_p, name_c, image_p) values
(1, '北海道', '札幌市', 'img/hokkaidou.png'),
(2, '青森県', '青森市', 'img/aomori.png'),
(3, '岩手県', '盛岡市', 'img/iwate.png'),
(4, '秋田県', '秋田市', 'img/akita.png'),
(5, '宮城県', '仙台市', 'img/miyagi.png'),
(6, '山形県', '山形市', 'img/yamagata.png'),
(7, '福島県', '福島市', 'img/fukushima.png'),
(8, '茨城県', '水戸市', 'img/ibaraki.png'),
(9, '栃木県', '宇都宮市', 'img/tochigi.png'),
(10, '群馬県', '前橋市', 'img/gunma.png'),
(11, '埼玉県', 'さいたま市', 'img/saitama.png'),
(12, '千葉県', '千葉市', 'img/chiba.png'),
(13, '東京都', '東京', 'img/tokyo.png'),
（略）
(47, '沖縄県', '那覇市', 'img/okinawa.png');
commit;

use pref_capitals_quiz;

insert into pref_capitals

(id, name_p, name_c, image_p) values

(1, '北海道', '札幌市', 'img/hokkaidou.png'),

(2, '青森県', '青森市', 'img/aomori.png'),

(3, '岩手県', '盛岡市', 'img/iwate.png'),

(4, '秋田県', '秋田市', 'img/akita.png'),

(5, '宮城県', '仙台市', 'img/miyagi.png'),

(6, '山形県', '山形市', 'img/yamagata.png'),

(7, '福島県', '福島市', 'img/fukushima.png'),

(8, '茨城県', '水戸市', 'img/ibaraki.png'),

(9, '栃木県', '宇都宮市', 'img/tochigi.png'),

(10, '群馬県', '前橋市', 'img/gunma.png'),

(11, '埼玉県', 'さいたま市', 'img/saitama.png'),

(12, '千葉県', '千葉市', 'img/chiba.png'),

(13, '東京都', '東京', 'img/tokyo.png'),

（略）

(47, '沖縄県', '那覇市', 'img/okinawa.png');

commit;

図3　「index.html」ファイルに記述するコード

<html lang=ja>
<head>
  <meta charset="utf-8">
  <title>都道府県庁所在地クイズ!!</title>
</head>
<body>
  <h1>都道府県庁所在地クイズ!!</h1>
  <p>表示された都道府県の都道府県庁所在地を回答してください。<br>
  東京都の場合は、区名と地域名のどちらで回答しても構いません。<br>
  すべての都道府県について回答したら終了です。
  </p>
  <button type="button"
          onclick="location.href='question.php'">
  クイズを始める
  </button>
</body>
</html>

<head>

<title>都道府県庁所在地クイズ!!</title>

</head>

<body>

<h1>都道府県庁所在地クイズ!!</h1>

<p>表示された都道府県の都道府県庁所在地を回答してください。<br>

東京都の場合は、区名と地域名のどちらで回答しても構いません。<br>

すべての都道府県について回答したら終了です。

</p>

<button type="button"

onclick="location.href='question.php'">

クイズを始める

</button>

</body>

</html>

図4　「question.php」ファイルに記述するコード

<?php
  session_start();
  if (!isset($_SESSION['times'])) {
    $_SESSION['times'] = 0;
    $_SESSION['right'] = 0;
  }
  if ($_SESSION['times'] == 0) {
    $r = new \Random\Randomizer();
    $order = $r->shuffleArray(range(1, 47));
    $_SESSION['order'] = $order;
  }
  $order = $_SESSION['order'];
  $times = $_SESSION['times'];
  $pref = $order[$times];
?>

<html lang=ja>
<head>
  <meta charset="UTF-8">
  <title>都道府県庁所在地クイズ!!</title>
</head>
<body>

<?php
  $link = mysqli_connect('localhost','root','',
                         'pref_capitals_quiz');
  mysqli_set_charset($link,'utf8');
  $sql = "SELECT id, name_p, name_c, image_p " .
         "FROM pref_capitals WHERE id = $pref";
  $result = mysqli_query($link, $sql);
  $row = mysqli_fetch_assoc($result);
  $path = $row['image_p'];
  echo "<br>";
  echo "問題", $times + 1;
  echo '<img src="' . $path .
       '" alt="' . $row['name_p'] . 'の地図">';
  print('  '.$row['name_p']);
?>

<form method="POST" class="form" action="answer.php">
  <input type="text" name="Answer" class="input">
  <p>
    <input type="submit" value="回答" class="submit">
  </p>
</form>
</body>
</html>

<?php

session_start();

if (!isset($_SESSION['times'])) {

$_SESSION['times'] = 0;

$_SESSION['right'] = 0;

}

if ($_SESSION['times'] == 0) {

$r = new \Random\Randomizer();

$order = $r->shuffleArray(range(1, 47));

$_SESSION['order'] = $order;

}

$order = $_SESSION['order'];

$times = $_SESSION['times'];

$pref = $order[$times];

<head>

<title>都道府県庁所在地クイズ!!</title>

</head>

<body>

<?php

$link = mysqli_connect('localhost','root','',

'pref_capitals_quiz');

mysqli_set_charset($link,'utf8');

$sql = "SELECT id, name_p, name_c, image_p " .

"FROM pref_capitals WHERE id = $pref";

$result = mysqli_query($link, $sql);

$row = mysqli_fetch_assoc($result);

$path = $row['image_p'];

echo "<br>";

echo "問題", $times + 1;

echo '<img src="' . $path .

'" alt="' . $row['name_p'] . 'の地図">';

print(' '.$row['name_p']);

<p>

</p>

</form>

</body>

</html>

図5　「answer.php」ファイルに記述するコード

<?php
  session_start();
  $times = $_SESSION['times'];
  $order = $_SESSION['order'];
  $right = $_SESSION['right'];
  $pref = $order[$times];
?>

<html lang=ja>
<head>
  <meta charset="UTF-8">
  <title>都道府県庁所在地クイズ!!</title>
</head>
<body>

<?php
  $received_Answer = $_POST['Answer'];
  $link = mysqli_connect('localhost','root','',
                         'pref_capitals_quiz');
  mysqli_set_charset($link,'utf8');
  $sql = "SELECT id, name_p, name_c, image_p " .
         "FROM pref_capitals WHERE id = $pref";
  $result = mysqli_query($link, $sql);
  $row = mysqli_fetch_assoc($result);
  // 東京都かどうか
  if ($row['id'] == 13) {
    if (($received_Answer == $row['name_c']) ||
      ($received_Answer == '新宿区')) {
      echo "正解\n";
      $right++;
    }
  } else if (($received_Answer == $row['name_c']) ||
    (($received_Answer . "市") == $row['name_c'])) {
    echo "正解\n";
    $right++;
  } else {
    echo "不正解\n";
  }
  $_SESSION['times'] = ++$times;
  $_SESSION['right'] = $right;
  echo "<br>";
  echo "問題{$times} {$row['name_p']} の答え";
  echo "<br>";
  echo $row['name_c'];

  if ($times != 47) {
    echo '
    <form method="POST" class="form" action="question.php">
      <button type="submit">次の問題</button>
    </form>';
  }
?>

  <form method="POST" class="form" action="result.php">
    <button type="submit">回答終了</button>
  </form>
</body>
</html>

<?php

session_start();

$times = $_SESSION['times'];

$order = $_SESSION['order'];

$right = $_SESSION['right'];

$pref = $order[$times];

<head>

<title>都道府県庁所在地クイズ!!</title>

</head>

<body>

<?php

$received_Answer = $_POST['Answer'];

$link = mysqli_connect('localhost','root','',

'pref_capitals_quiz');

mysqli_set_charset($link,'utf8');

$sql = "SELECT id, name_p, name_c, image_p " .

"FROM pref_capitals WHERE id = $pref";

$result = mysqli_query($link, $sql);

$row = mysqli_fetch_assoc($result);

// 東京都かどうか

if ($row['id'] == 13) {

if (($received_Answer == $row['name_c']) ||

($received_Answer == '新宿区')) {

echo "正解\n";

$right++;

}

} else if (($received_Answer == $row['name_c']) ||

(($received_Answer . "市") == $row['name_c'])) {

echo "正解\n";

$right++;

} else {

echo "不正解\n";

}

$_SESSION['times'] = ++$times;

$_SESSION['right'] = $right;

echo "<br>";

echo "問題{$times} {$row['name_p']} の答え";

echo "<br>";

echo $row['name_c'];

if ($times != 47) {

echo '

</form>';

}

</form>

</body>

</html>

図6　「result.php」ファイルに記述するコード

<?php
  session_start();
  if (isset($_POST['reset'])) {
    $_SESSION['times'] = 0;
    $_SESSION['right'] = 0;
    header("Location: index.html");
  }
?>

<html lang=ja>
<head>
  <meta charset="UTF-8">
  <title>都道府県庁所在地クイズ!!</title>
</head>
<body>

<?php
  echo "今回の正答数は<br>";
  echo $_SESSION['times'], "問中",
       $_SESSION['right'], "問";
  echo "<br>";
  echo "お疲れさまでした<br>";
?>

  <form method="POST" action="result.php">
    <input type="submit"
           value="トップページに戻る"
           name="reset">
  </form>
</body>
</html>

<?php

session_start();

if (isset($_POST['reset'])) {

$_SESSION['times'] = 0;

$_SESSION['right'] = 0;

header("Location: index.html");

}

<head>

<title>都道府県庁所在地クイズ!!</title>

</head>

<body>

<?php

echo "今回の正答数は<br>";

echo $_SESSION['times'], "問中",

$_SESSION['right'], "問";

echo "<br>";

echo "お疲れさまでした<br>";

<input type="submit"

value="トップページに戻る"

name="reset">

</form>

</body>

</html>

Markdownを活用する（Vol.92掲載）

投稿日：2024.09.25　｜　カテゴリー：　コード

著者：藤原由来

本連載では文書の装飾・構造付けを手軽に行える記法であるMarkdownを用いて、さまざまな文書や成果物を作成する方法を紹介します。今回は前回に引き続き、Markdownを用いて書籍を制作できる組版アプリ「Vivliostyle」について解説します。特に、技術同人誌の制作方法と、印刷所へ入稿する際の注意
点について説明します。　

シェルスクリプトマガジン Vol.92は以下のリンク先でご購入できます。

図7　書き換えたVivliostyleの設定ファイル

module.exports = {
  title: 'sample-book-kagakunofushigi', 
  author: 'アンリイ・ファブル（大杉栄、伊藤野枝訳）', 
  language: 'ja',
  size: 'JIS-B5',
  theme: '@vivliostyle/theme-techbook@^1.0.1', 
  entryContext: './manuscripts',
  entry: [
   'index.md',
   '01.md',
   '02.md',
   '03.md',
   '04.md',
   '05.md',
   '06.md',
   '07.md',
   '08.md',
   '09.md',
   'colophon.md',
  ],
  workspaceDir: '.vivliostyle',
}

module.exports = {

title: 'sample-book-kagakunofushigi',

author: 'アンリイ・ファブル（大杉栄、伊藤野枝訳）',

language: 'ja',

size: 'JIS-B5',

theme: '@vivliostyle/theme-techbook@^1.0.1',

entryContext: './manuscripts',

entry: [

'index.md',

'01.md',

'02.md',

'03.md',

'04.md',

'05.md',

'06.md',

'07.md',

'08.md',

'09.md',

'colophon.md',

workspaceDir: '.vivliostyle',

}

図8　扉のindex.mdファイル

# 科学の不思議
アンリイ・ファブル（大杉栄、伊藤野枝訳）

© 某サークル, 20xx

# 科学の不思議

アンリイ・ファブル（大杉栄、伊藤野枝訳）

図9　奥付のcolophon.mdファイル

## 科学の不思議

20xx年x月x日　初版発行

----------------

- 発行　某サークル
- 著者　アンリイ・ファブル
- 翻訳　大杉栄、伊藤野枝
- 編集　シェル花子
- 連絡先 foo@example.com
- 印刷　サンプル印刷

----------------

底本は青空文庫から転載・改変しました。

- ファーブル ジャン・アンリ『科学の不思議』（大杉 栄、伊藤 野枝 訳）

© 某サークル, 20xx

## 科学の不思議

20xx年x月x日　初版発行

----------------

- 発行　某サークル

- 著者　アンリイ・ファブル

- 翻訳　大杉栄、伊藤野枝

- 編集　シェル花子

- 連絡先 foo@example.com

- 印刷　サンプル印刷

----------------

底本は青空文庫から転載・改変しました。

- ファーブルジャン・アンリ『科学の不思議』（大杉栄、伊藤野枝訳）

図11　my-theme.cssファイル内のCSSを反映する設定

  theme: [
    '@vivliostyle/theme-techbook@^1.0.1',
    'themes/my-theme.css',
  ],

theme: [

'@vivliostyle/theme-techbook@^1.0.1',

'themes/my-theme.css',

図12　扉と奥付用のCSS

/* 扉 */
section#title-page {
  display: flex;
  justify-content: center;
  align-items: center;
  text-align: center;
  height: 50vh;
  margin: 0;
}

/* 奥付 */
section#colophon {
  position: relative;
  float-reference: page;
  float: bottom;
  margin-bottom: 0;
}

/* 扉 */

section#title-page {

display: flex;

justify-content: center;

align-items: center;

text-align: center;

height: 50vh;

margin: 0;

}

/* 奥付 */

section#colophon {

position: relative;

float-reference: page;

float: bottom;

margin-bottom: 0;

}

図13　扉のindex.mdファイルの変更

<section id="title-page">

# 科学の不思議

アンリイ・ファブル（大杉栄、伊藤野枝訳）

© 某サークル, 20xx

</section>

# 科学の不思議

アンリイ・ファブル（大杉栄、伊藤野枝訳）

</section>

図14　奥付のcolophon.mdファイルの変更

<section id="colophon" role="doc-colophon">

## 科学の不思議

20xx年x月x日　初版発行

----------------

- 発行　某サークル
- 著者　アンリイ・ファブル
- 翻訳　大杉栄、伊藤野枝
- 編集　シェル花子
- 連絡先 foo@example.com
- 印刷　サンプル印刷

----------------

底本は青空文庫から転載・改変しました。

- ファーブル ジャン・アンリ『科学の不思議』（大杉 栄、伊藤 野枝 訳）

© 某サークル, 20xx

</section>

## 科学の不思議

20xx年x月x日　初版発行

----------------

- 発行　某サークル

- 著者　アンリイ・ファブル

- 翻訳　大杉栄、伊藤野枝

- 編集　シェル花子

- 連絡先 foo@example.com

- 印刷　サンプル印刷

----------------

底本は青空文庫から転載・改変しました。

- ファーブルジャン・アンリ『科学の不思議』（大杉栄、伊藤野枝訳）

</section>

図17　目次を自動設定する設定

（略）
  entryContext: './manuscripts',
  toc: {
    htmlPath: 'toc.html', 
    title: '目次',
  },
  entry: [
   'index.md',
    { rel: 'contents' },
   '01.md',
（略）

（略）

entryContext: './manuscripts',

toc: {

htmlPath: 'toc.html',

title: '目次',

entry: [

'index.md',

{ rel: 'contents' },

'01.md',

（略）

Pythonあれこれ（Vol.92掲載）

投稿日：2024.09.25　｜　カテゴリー：　コード

著者：飯尾淳

本連載では「Pythonを昔から使っているものの、それほど使いこなしてはいない」という筆者が、いろいろな日常業務をPythonで処理することで、立派な「蛇使い」に育つことを目指します。その過程を温かく見守ってください。皆さんと共に勉強していきましょう。第22回では、機械学習ライブラリ「PyTorch」を使って、画像内の、歩行者が写っている領域を自動認識するPythonプログラムを作成します。

シェルスクリプトマガジン Vol.92は以下のリンク先でご購入できます。

図3　47番のデータを確認するPythonコード

import matplotlib.pyplot as plt
from torchvision.io import read_image

image =read_image(
    "data/PennFudanPed/PNGImages/FudanPed00047.png")
mask = read_image(
    "data/PennFudanPed/PedMasks/FudanPed00047_mask.png")
plt.figure(figsize=(16, 8))
plt.subplot(121)
plt.title("Image")
plt.imshow(image.permute(1, 2, 0))
plt.subplot(122)
plt.title("Mask")
plt.imshow(mask.permute(1, 2, 0))

import matplotlib.pyplot as plt

from torchvision.io import read_image

image =read_image(

"data/PennFudanPed/PNGImages/FudanPed00047.png")

mask = read_image(

"data/PennFudanPed/PedMasks/FudanPed00047_mask.png")

plt.figure(figsize=(16, 8))

plt.subplot(121)

plt.title("Image")

plt.imshow(image.permute(1, 2, 0))

plt.subplot(122)

plt.title("Mask")

plt.imshow(mask.permute(1, 2, 0))

図5　PennFudanDataSetクラスを定義するPythonコード

import os
import torch
from torchvision.io import read_image
from torchvision.ops.boxes import masks_to_boxes
from torchvision import tv_tensors
from torchvision.transforms.v2 import functional as F

class PennFudanDataset(torch.utils.data.Dataset):
  def __init__(self, root, transforms):
    self.root = root
    self.transforms = transforms
    # イメージデータとマスクデータをロードし、ソートして並べておく
    self.imgs = \
      list(sorted(os.listdir(os.path.join(root, "PNGImages"))))
    self.masks = \
      list(sorted(os.listdir(os.path.join(root, "PedMasks"))))

  def __getitem__(self, idx):
    # イメージとマスクのロード
    img_path = \
      os.path.join(self.root, "PNGImages", self.imgs[idx])
    mask_path = \
      os.path.join(self.root, "PedMasks", self.masks[idx])
    img = read_image(img_path)
    mask = read_image(mask_path)
    # インスタンスは色別にエンコードされていて……
    obj_ids = torch.unique(mask)
    # 最初のIDは背景色なので削除
    obj_ids = obj_ids[1:]
    num_objs = len(obj_ids)
    # 色別にエンコードされているマスクを2値マスクに分ける
    masks = \
      (mask == obj_ids[:, None, None]).to(dtype=torch.uint8)
    # マスクデータに対してバウンディングボックスを求める
    boxes = masks_to_boxes(masks)
    labels = torch.ones((num_objs,), dtype=torch.int64)
    image_id = idx
    area = (boxes[:, 3] - boxes[:, 1]) * (boxes[:, 2] - boxes[:, 0])
    # 群衆でないと仮定
    iscrowd = torch.zeros((num_objs,), dtype=torch.int64)
    # tv_tensorsイメージに変換する
    img = tv_tensors.Image(img)
    target = {}
    target["boxes"] = \
      tv_tensors.BoundingBoxes(boxes,
        format="XYXY", canvas_size=F.get_size(img))
    target["masks"] = tv_tensors.Mask(masks)
    target["labels"] = labels
    target["image_id"] = image_id
    target["area"] = area
    target["iscrowd"] = iscrowd

    if self.transforms is not None:
      img, target = self.transforms(img, target)

    return img, target

  def __len__(self):
    return len(self.imgs)

import os

import torch

from torchvision.io import read_image

from torchvision.ops.boxes import masks_to_boxes

from torchvision import tv_tensors

from torchvision.transforms.v2 import functional as F

class PennFudanDataset(torch.utils.data.Dataset):

def __init__(self, root, transforms):

self.root = root

self.transforms = transforms

# イメージデータとマスクデータをロードし、ソートして並べておく

self.imgs = \

list(sorted(os.listdir(os.path.join(root, "PNGImages"))))

self.masks = \

list(sorted(os.listdir(os.path.join(root, "PedMasks"))))

def __getitem__(self, idx):

# イメージとマスクのロード

img_path = \

os.path.join(self.root, "PNGImages", self.imgs[idx])

mask_path = \

os.path.join(self.root, "PedMasks", self.masks[idx])

img = read_image(img_path)

mask = read_image(mask_path)

# インスタンスは色別にエンコードされていて……

obj_ids = torch.unique(mask)

# 最初のIDは背景色なので削除

obj_ids = obj_ids[1:]

num_objs = len(obj_ids)

# 色別にエンコードされているマスクを2値マスクに分ける

masks = \

(mask == obj_ids[:, None, None]).to(dtype=torch.uint8)

# マスクデータに対してバウンディングボックスを求める

boxes = masks_to_boxes(masks)

labels = torch.ones((num_objs,), dtype=torch.int64)

image_id = idx

area = (boxes[:, 3] - boxes[:, 1]) * (boxes[:, 2] - boxes[:, 0])

# 群衆でないと仮定

iscrowd = torch.zeros((num_objs,), dtype=torch.int64)

# tv_tensorsイメージに変換する

img = tv_tensors.Image(img)

target = {}

target["boxes"] = \

tv_tensors.BoundingBoxes(boxes,

format="XYXY", canvas_size=F.get_size(img))

target["masks"] = tv_tensors.Mask(masks)

target["labels"] = labels

target["image_id"] = image_id

target["area"] = area

target["iscrowd"] = iscrowd

if self.transforms is not None:

img, target = self.transforms(img, target)

return img, target

def __len__(self):

return len(self.imgs)

図6　get_model_instance_segmentation()関数を定義するPythonコード

import torchvision
from torchvision.models.detection.faster_rcnn \
  import FastRCNNPredictor
from torchvision.models.detection.mask_rcnn \
  import MaskRCNNPredictor

def get_model_instance_segmentation(num_classes):
  # COCOで事前学習済みのモデルデータをロードする
  model = torchvision.models.detection.maskrcnn_resnet50_fpn(
            weights="DEFAULT")
  # 入力特徴量
  in_features = \
    model.roi_heads.box_predictor.cls_score.in_features
  # num_classesで指定するクラスの分類器をセット（今回は2クラス）
  model.roi_heads.box_predictor = \
    FastRCNNPredictor(in_features, num_classes)
  # マスク判別器も同様に設定
  in_features_mask = \
    model.roi_heads.mask_predictor.conv5_mask.in_channels
  hidden_layer = 256
  model.roi_heads.mask_predictor = MaskRCNNPredictor(
    in_features_mask,
    hidden_layer,
    num_classes
  )
  return model

import torchvision

from torchvision.models.detection.faster_rcnn \

import FastRCNNPredictor

from torchvision.models.detection.mask_rcnn \

import MaskRCNNPredictor

def get_model_instance_segmentation(num_classes):

# COCOで事前学習済みのモデルデータをロードする

model = torchvision.models.detection.maskrcnn_resnet50_fpn(

weights="DEFAULT")

# 入力特徴量

in_features = \

model.roi_heads.box_predictor.cls_score.in_features

# num_classesで指定するクラスの分類器をセット（今回は2クラス）

model.roi_heads.box_predictor = \

FastRCNNPredictor(in_features, num_classes)

# マスク判別器も同様に設定

in_features_mask = \

model.roi_heads.mask_predictor.conv5_mask.in_channels

hidden_layer = 256

model.roi_heads.mask_predictor = MaskRCNNPredictor(

in_features_mask,

hidden_layer,

num_classes

)

return model

図7　get_transform()関数を定義するPythonコード

from torchvision.transforms import v2 as T

def get_transform(train):
  transforms = []
  if train:
    transforms.append(T.RandomHorizontalFlip(0.5))
  transforms.append(T.ToDtype(torch.float, scale=True))
  transforms.append(T.ToPureTensor())
  return T.Compose(transforms)

from torchvision.transforms import v2 as T

def get_transform(train):

transforms = []

if train:

transforms.append(T.RandomHorizontalFlip(0.5))

transforms.append(T.ToDtype(torch.float, scale=True))

transforms.append(T.ToPureTensor())

return T.Compose(transforms)

図8　追加学習の準備をするためのPythonコード

import utils
from engine import train_one_epoch, evaluate

device = torch.device('cuda') \
  if torch.cuda.is_available() else torch.device('cpu')
# 背景と人物の2クラス判別器を作成する
num_classes = 2
# データセットはすでにロード済みのものを用いる
dataset = \
  PennFudanDataset('data/PennFudanPed',
                   get_transform(train=True))
dataset_test = \
  PennFudanDataset('data/PennFudanPed',
                   get_transform(train=False))
# データセットを学習用とテスト用に分ける
indices = torch.randperm(len(dataset)).tolist()
dataset = torch.utils.data.Subset(dataset, indices[:-50])
dataset_test = torch.utils.data.Subset(
                 dataset_test, indices[-50:])
# 学習と評価用のデータローダを定義
data_loader = torch.utils.data.DataLoader(
  dataset,
  batch_size=2,
  shuffle=True,
  num_workers=4,
  collate_fn=utils.collate_fn
)
data_loader_test = torch.utils.data.DataLoader(
  dataset_test,
  batch_size=1,
  shuffle=False,
  num_workers=4,
  collate_fn=utils.collate_fn
)
# 先ほど定義したヘルパーファンクションを用いてモデルを用意
model = get_model_instance_segmentation(num_classes)
# モデルをデバイスに結び付ける
model.to(device)
# 最適化器を作成
params = [p for p in model.parameters() if p.requires_grad]
optimizer = torch.optim.SGD(
  params,
  lr=0.005,
  momentum=0.9,
  weight_decay=0.0005
)
# 学習レートのスケジューラを設定
lr_scheduler = torch.optim.lr_scheduler.StepLR(
  optimizer,
  step_size=3,
  gamma=0.1
)

import utils

from engine import train_one_epoch, evaluate

device = torch.device('cuda') \

if torch.cuda.is_available() else torch.device('cpu')

# 背景と人物の2クラス判別器を作成する

num_classes = 2

# データセットはすでにロード済みのものを用いる

dataset = \

PennFudanDataset('data/PennFudanPed',

get_transform(train=True))

dataset_test = \

PennFudanDataset('data/PennFudanPed',

get_transform(train=False))

# データセットを学習用とテスト用に分ける

indices = torch.randperm(len(dataset)).tolist()

dataset = torch.utils.data.Subset(dataset, indices[:-50])

dataset_test = torch.utils.data.Subset(

dataset_test, indices[-50:])

# 学習と評価用のデータローダを定義

data_loader = torch.utils.data.DataLoader(

dataset,

batch_size=2,

shuffle=True,

num_workers=4,

collate_fn=utils.collate_fn

)

data_loader_test = torch.utils.data.DataLoader(

dataset_test,

batch_size=1,

shuffle=False,

num_workers=4,

collate_fn=utils.collate_fn

)

# 先ほど定義したヘルパーファンクションを用いてモデルを用意

model = get_model_instance_segmentation(num_classes)

# モデルをデバイスに結び付ける

model.to(device)

# 最適化器を作成

params = [p for p in model.parameters() if p.requires_grad]

optimizer = torch.optim.SGD(

params,

lr=0.005,

momentum=0.9,

weight_decay=0.0005

)

# 学習レートのスケジューラを設定

lr_scheduler = torch.optim.lr_scheduler.StepLR(

optimizer,

step_size=3,

gamma=0.1

)

図9　物体認識と領域セグメンテーションを実施するPythonコード

import matplotlib.pyplot as plt
from torchvision.utils \
  import draw_bounding_boxes, draw_segmentation_masks

image = \
  read_image("data/PennFudanPed/PNGImages/FudanPed00047.png")
eval_transform = get_transform(train=False)
model.eval()
with torch.no_grad():
  x = eval_transform(image)
  # RGBA -> RGBにコンバートしてデバイスにひも付ける
  x = x[:3, ...].to(device)
  predictions = model([x, ])
  pred = predictions[0]
image = (255.0 * (image - image.min()) / 
        (image.max() - image.min())).to(torch.uint8)
image = image[:3, ...]
pred_labels = [f"pedestrian: {score:.3f}" for label, \
               score in zip(pred["labels"], pred["scores"])]
pred_boxes = pred["boxes"].long()
output_image = draw_bounding_boxes(image, 
                 pred_boxes, pred_labels, colors="red")
masks = (pred["masks"] > 0.7).squeeze(1)
output_image = draw_segmentation_masks(output_image, 
                 masks, alpha=0.5, colors="blue")
plt.figure(figsize=(12, 12))
plt.imshow(output_image.permute(1, 2, 0))

import matplotlib.pyplot as plt

from torchvision.utils \

import draw_bounding_boxes, draw_segmentation_masks

image = \

read_image("data/PennFudanPed/PNGImages/FudanPed00047.png")

eval_transform = get_transform(train=False)

model.eval()

with torch.no_grad():

x = eval_transform(image)

# RGBA -> RGBにコンバートしてデバイスにひも付ける

x = x[:3, ...].to(device)

predictions = model([x, ])

pred = predictions[0]

image = (255.0 * (image - image.min()) /

(image.max() - image.min())).to(torch.uint8)

image = image[:3, ...]

pred_labels = [f"pedestrian: {score:.3f}" for label, \

score in zip(pred["labels"], pred["scores"])]

pred_boxes = pred["boxes"].long()

output_image = draw_bounding_boxes(image,

pred_boxes, pred_labels, colors="red")

masks = (pred["masks"] > 0.7).squeeze(1)

output_image = draw_segmentation_masks(output_image,

masks, alpha=0.5, colors="blue")

plt.figure(figsize=(12, 12))

plt.imshow(output_image.permute(1, 2, 0))

図11　Penn-Fudanデータセットを用いて追加学習するPythonコード

# 2エポックだけ学習させてみる
num_epochs = 2
for epoch in range(num_epochs):
  # 10回ごとに表示させながら1エポックの学習を実行
  train_one_epoch(model, optimizer, data_loader, 
                  device, epoch, print_freq=10)
  # 学習レートをアップデート
  lr_scheduler.step()
  # テストデータで評価
  evaluate(model, data_loader_test, device=device)

# 2エポックだけ学習させてみる

num_epochs = 2

for epoch in range(num_epochs):

# 10回ごとに表示させながら1エポックの学習を実行

train_one_epoch(model, optimizer, data_loader,

device, epoch, print_freq=10)

# 学習レートをアップデート

lr_scheduler.step()

# テストデータで評価

evaluate(model, data_loader_test, device=device)

特別企画　イノシシ撃退機を作る　ソフト作成編（Vol.92記載）

投稿日：2024.09.25　｜　カテゴリー：　コード

著者：米田聡

「Interface」「CQ ham radio」「トランジスタ技術」などの雑誌を出版するCQ出版社の電子部品セット「イノシシ撃退機部品セットVer.1」を組み立て、ソフトウエアに一工夫を加えてイノシシ撃退機を作ります。今回は完成したハードウエア向けにソフトウエアを作成します。

シェルスクリプトマガジン Vol.92は以下のリンク先でご購入できます。

図18　PWM機能の初期化

（略）
#define PWM_PIN 20
（略）
#define PWM_SLICE_NUM pwm_gpio_to_slice_num(PWM_PIN)
（略）
void pwm_gpio_init() {
（略）
    gpio_set_function(PWM_PIN, GPIO_FUNC_PWM);
    pwm_set_wrap(PWM_SLICE_NUM, 4095);
    pwm_set_clkdiv(PWM_SLICE_NUM, 2);
    pwm_set_irq_enabled(PWM_SLICE_NUM, true);

    irq_set_exclusive_handler(PWM_IRQ_WRAP, on_pwm_wrap);
    irq_set_enabled(PWM_IRQ_WRAP, true);
（略）
}
（略）

（略）

#define PWM_PIN 20

（略）

#define PWM_SLICE_NUM pwm_gpio_to_slice_num(PWM_PIN)

（略）

void pwm_gpio_init() {

（略）

gpio_set_function(PWM_PIN, GPIO_FUNC_PWM);

pwm_set_wrap(PWM_SLICE_NUM, 4095);

pwm_set_clkdiv(PWM_SLICE_NUM, 2);

pwm_set_irq_enabled(PWM_SLICE_NUM, true);

irq_set_exclusive_handler(PWM_IRQ_WRAP, on_pwm_wrap);

irq_set_enabled(PWM_IRQ_WRAP, true);

（略）

}

（略）

図20　割り込みハンドラ

void on_pwm_wrap() {
    pwm_clear_irq(PWM_SLICE_NUM);
（略）
    uint16_t duty = convert_flash_data_to_duty(spi_rx_buf[flash_data_index], spi_rx_buf[flash_data_index + 1]);
    pwm_set_chan_level(PWM_SLICE_NUM, PWM_CHAN_A, duty);
    flash_data_index += 2;
    if (flash_data_index >= 256) {
        flash_data_index = 0;
    }
（略）
}

void on_pwm_wrap() {

pwm_clear_irq(PWM_SLICE_NUM);

（略）

uint16_t duty = convert_flash_data_to_duty(spi_rx_buf[flash_data_index], spi_rx_buf[flash_data_index + 1]);

pwm_set_chan_level(PWM_SLICE_NUM, PWM_CHAN_A, duty);

flash_data_index += 2;

if (flash_data_index >= 256) {

flash_data_index = 0;

}

（略）

}

図21　ダブルバッファを使用する修正

■34～37行目の修正コード
#ifdef FLASH_DATA_TO_DUTY
// ダブルバッファ化
uint8_t spi_rx_buf[2][256];
volatile uint32_t flash_data_index = 0;
#endif

■45～54行目の修正コード
// バッファ選択
volatile uint32_t buf_flip = 0;

void on_pwm_wrap() {
    pwm_clear_irq(PWM_SLICE_NUM);

    #ifdef FLASH_DATA_TO_DUTY
    uint16_t duty = convert_flash_data_to_duty(spi_rx_buf[buf_flip][flash_data_index], spi_rx_buf[buf_flip][flash_data_index + 1]);
    pwm_set_chan_level(PWM_SLICE_NUM, PWM_CHAN_A, duty);
    flash_data_index += 2;
    if (flash_data_index >= 256) {
        // バッファ切り替え
        buf_flip ^= 1;
        flash_data_index = 0;
    }
}

■87～105行目の修正コード
void play_sound() {
    // バッファ切り替え（ローカル）
    int flip = 0;

    flash_data_index = 0;
    buf_flip = 0;
    pwm_set_enabled(PWM_SLICE_NUM, true);	//mu0918

    for(uint32_t address = 0; address < FLASH_SIZE; address += 256) {
        gpio_put(PICO_DEFAULT_SPI_SSEL_PIN, 0);  // Set the CS pin to active LOW
        
        // Send the read command
        uint8_t spi_tx_buf[] = {0x03, (address >> 16) & 0xFF, (address >> 8) & 0xFF, address & 0xFF};
        spi_write_blocking(spi, spi_tx_buf, 4);

        // Read the data
        spi_read_blocking(spi, 0, spi_rx_buf[flip], 256);
        // バッファ切り替え
        flip ^= 1;
        
        gpio_put(PICO_DEFAULT_SPI_SSEL_PIN, 1);  // Set the CS pin to non-active HIGH
    }
    pwm_set_enabled(PWM_SLICE_NUM, false);	//mu0918
}

■34～37行目の修正コード

#ifdef FLASH_DATA_TO_DUTY

// ダブルバッファ化

uint8_t spi_rx_buf[2][256];

volatile uint32_t flash_data_index = 0;

#endif

■45～54行目の修正コード

// バッファ選択

volatile uint32_t buf_flip = 0;

void on_pwm_wrap() {

pwm_clear_irq(PWM_SLICE_NUM);

#ifdef FLASH_DATA_TO_DUTY

uint16_t duty = convert_flash_data_to_duty(spi_rx_buf[buf_flip][flash_data_index], spi_rx_buf[buf_flip][flash_data_index + 1]);

pwm_set_chan_level(PWM_SLICE_NUM, PWM_CHAN_A, duty);

flash_data_index += 2;

if (flash_data_index >= 256) {

// バッファ切り替え

buf_flip ^= 1;

flash_data_index = 0;

}

■87～105行目の修正コード

void play_sound() {

// バッファ切り替え（ローカル）

int flip = 0;

flash_data_index = 0;

buf_flip = 0;

pwm_set_enabled(PWM_SLICE_NUM, true); //mu0918

for(uint32_t address = 0; address < FLASH_SIZE; address += 256) {

gpio_put(PICO_DEFAULT_SPI_SSEL_PIN, 0); // Set the CS pin to active LOW

// Send the read command

uint8_t spi_tx_buf[] = {0x03, (address >> 16) & 0xFF, (address >> 8) & 0xFF, address & 0xFF};

spi_write_blocking(spi, spi_tx_buf, 4);

// Read the data

spi_read_blocking(spi, 0, spi_rx_buf[flip], 256);

// バッファ切り替え

flip ^= 1;

gpio_put(PICO_DEFAULT_SPI_SSEL_PIN, 1); // Set the CS pin to non-active HIGH

}

pwm_set_enabled(PWM_SLICE_NUM, false); //mu0918

}

004　レポート　仮想化ソフト「VirtualBox」の新版リリース
005　レポート　マイコンボード「Raspberry Pi Pico 2」登場
006　製品レビュー　組み込み機器「CH32V003ボード」
007　NEWS FLASH
008　特集1　古いRaspberry Piを復活させる/麻生二郎
016　特集2　統合運用管理ソフトウエア Hinemos入門/倉田晃次、加藤達也
026　特別企画　イノシシ撃退機を作る　ソフト作成編/米田聡　コード掲載
036　特別企画　Rocky Linux 9のインストール/麻生二郎
042　Pythonあれこれ/飯尾淳　コード掲載
048　Markdownを活用する/藤原由来　コード掲載
058　中小企業手作りIT化奮戦記/菅雄一
062　香川大学SLPからお届け！/池内稜來斗　コード掲載
068　これだけは覚えておきたいLinuxコマンド/大津真
078　Techパズル/gori.sh
079　コラム「SEの働き方の新しい仕組みを作る」/シェル魔人　

Vol.92

投稿日：2024.09.25　｜　カテゴリー：　バックナンバー

　小型コンピュータボード「Raspberry Pi」が登場して約12年が過ぎました。現在では、AI（人工知能）処理ができ、パソコン並みの性能を持つものに進化しています。ただ、センサーなどの制御、液晶や有機ELなどのパネルへの出力といった分野では、初期のRaspberry Piでも十分活躍できます。特集1では、初期のRaspberry Piを復活する方法を紹介しています。具体的には、無線通信機能を付加して使い勝手を向上します。
　特集2では、NTTデータ最先端技術が開発する統合運用管理ソフトウエア「Hinemos」を解説しています。同ソフトウエアは、オープンソースであり、誰でも無料で利用できます。サーバーやネットワークなどのシステムの監視やジョブ管理、運用の自動化を実現します。
い。
　特別企画では、前号に引き続きイノシシ撃退機、加えてCentOS Linuxの代替となるLinuxディストリビューション「Rocky Linux」を扱っています。
　このほか、連載「Pythonあれこれ」では機械学習ライブラリ「PyTorch」でAIによる歩行者認識の実現方法を紹介しています。
　今回も読み応え十分のシェルスクリプトマガジン Vol.92。お見逃しなく!

※記事掲載のコードはこちら。記事の補足情報はこちら

※読者アンケートはこちら

Vol.92 補足情報

投稿日：2024.09.19　｜　カテゴリー：　コード

連載　香川大学SLPからお届け！

記事中で作成したクイズWebサイト用のコードや、データベースへのデータ入力用のファイルをまとめたアーカイブファイルがここからダウンロードできます。

情報は随時更新致します。

shell-mag ブログの 2024年9月のアーカイブを表示しています。

-->

シェルスクリプトマガジン

香川大学SLPからお届け！（Vol.92掲載）

Markdownを活用する（Vol.92掲載）

Pythonあれこれ（Vol.92掲載）

特別企画　イノシシ撃退機を作る　ソフト作成編（Vol.92記載）

シェルスクリプトマガジンvol.92 Web掲載記事まとめ

Vol.92

Vol.92 補足情報

連載　香川大学SLPからお届け！

固定ページ

アーカイブ

カテゴリー

連載 香川大学SLPからお届け！

連載　香川大学SLPからお届け！