まりま

個人的備忘録 MyReferenceManual

VisualStudioCode+Evernote+MarkDownで無料高機能メモ環境

はじめに

 私は普段、Evernoteでメモを纏めています。ふとしたアプリ開発のアイデアなど、とりとめのないことを適当に書き殴るのにEvernoteほど最適なサービスは無いと考えています。しかしプレーンテキストそのままではやはり醜い...ということでMarkDownを使ってメモを見やすくしようと思い、Marxicoを導入しました。非常に使いやすく、これは素晴らしいアプリだなーと感じましたが、使用してから、このアプリが無料で使えるのは10日間限定だと知り落胆しました。素晴らしいアプリには是非お金を払うべきなんでしょうが、何分貧乏学生故にお金がないので...ということで、エディタに普段使ってるVisualStudioCode(以下VSCode)を使用し、MarkDownで楽しく見やすくサクサクメモが取れ、すぐさまEvernoteにアップロード出来る、そんな環境を整えていこうと思います。

環境

-OS - Windows8.1 x64 - エディタ - VSCode 1.5.2 - Evernote 6.2.4.3244 - Node.js 6.6.0 x64

手順

  1. 適当な場所にEvernoteフォルダを作り、さらにEvernoteフォルダ内にVSCodeを使用してMarkDownを編集するワークスペースフォルダと実際にEvernoteにアップロードするファイルを配置するフォルダを作成します。名前は後でわかりやすいように、前者は保存予定のノートブック名+VSWorkSpace,後者は保存予定のノートブック名と名付けるのが良いでしょう。説明の都合上、以下では前者をWorkSpace,後者をSyncSpaceとして説明します。
  2. npmを使い、gulpとgulp-markdownをインストールします
    npm install -g gulp gulp-markdown path
  3. npm modulesへのパスを通します。環境変数NODE_PATHを作り、ユーザーフォルダ以下にある、npmフォルダを探し、その中にあるnode_modulesフォルダのパスを値とします。
  4. 先程作成したWorkSpaceをVSCodeで開き、適当なMarkDownファイルを書きます。
  5. WorkSpace内にgulpfile.jsを作成し、以下の内容を入力し保存します。

     var gulp = require('gulp');
     var markdown = require('gulp-markdown');
     var path = require('path');
    
     gulp.task('markdown', function() {
         return gulp.src(path.basename(fileName))//更新のあったMarkDownファイルのみ    
             .pipe(markdown())
             .pipe(gulp.dest(function(f) {
                 return '../SyncSpaceのフォルダ名/';
                 //WorkSpaceとは別に用意したSyncSpaceに出力する事で、
                 //MarkDownファイル等余分なファイルを転送してしまう事を防ぐ。
             }));
     });
    
     gulp.task('default', function() {
         var watcher = gulp.watch('**/*.md', ['markdown']);
          watcher.on('change', function(evt) {
           fileName = evt.path;
       });
     });
    
  6. .vscodeディレクトリにあるtasks.jsonに以下を記述

     {
         "version": "0.1.0",
         "command": "gulp",
         "isShellCommand": true,
         "tasks": [
             {
                 "taskName": "default",
                 "isBuildCommand": true,
                 "showOutput": "always",
                 "isWatching": true
             }
         ]
     }
    
  7. 後はCtrl+Shift+Bを入力してビルドタスクを実行した後、MarkDownファイルを編集してCtrl+Sを押して保存した時、正しくビルドタスクが走り、SyncSpaceに目的のhtmlフォルダができていれば成功です。

  8. Evernote公式クライアントのツールバーからツール→インポートフォルダを選択
  9. 追加ボタンをクリックして、SyncSpaceを指定、任意のノートブックを設定してOKを押す(念のためソースは保持しておくことをおすすめします)
  10. これで先程作成したhtmlがEvernoteにアップロードされます。 以上で手順は終了です。お疲れ様でした。

終わりに

 ググってみると、VSCodeでMarkDownファイルからhtmlを生成する前例があったり、Evernoteにはフォルダをノートブックにアップロードする機能があるという事を知ったりで、これらの機能を組み合わせるだけで結構簡単に行けると思ったんですよね...実際には前者はgulpfileで定義されている動作がそのままだと全てのMarkDownを変換するので、毎回複数のMarkDownがアップロードされたり、Evernoteも特定ファイルを除外してアップロードする機能がなかったりとで、結構苦戦しました。特にgulpfileについては今まで一切触ったことのない技術だったので、変更のあった特定のMarkDownファイルだけからhtmlを生成するという目的にあった動作をさせるのがなかなか大変でした。ともかく、VSCodeを使って楽に見やすいメモを生成出来る環境づくりはこれで成功しました。VSCodeの軽快さも相まって、メモ取りがかなり捗りそうです。課題としては、guilfile内にパスをべた書きするのがなんだか気持ち悪いとかありますが、それ以上に更新する度に新しいファイルとして、既存のものを上書きせずに追加されるのがとても気持ち悪い...ポジティブに見れば過去のバージョンが残って良いのでは?とか思いますけど、やはり同名ファイルでノートブックが埋め尽くされるのは不便極まりない...やはり、お金があれば使いやすくてそういう問題のないMarxico使うべきなんだろうなぁ...この際、Marxicoをオマージュした拡張機能を作ってみるのも良いかもしれない...
追記:
Evernoteと連携するから悪いんだ。DropBoxと連携すればEvernoteと同じようにどこからでも見られるし…ただ、やはりEvernoteをつかいたさが…Dropboxで快適にメモを共有する方向からのアプローチを検討しますか…

参考

code.visualstudio.com

tasogare66.blogspot.jp

stackoverflow.com

help.evernote.com

仮想マシン上にCaffeをインストール

 元々私のPCにはCaffeやTensorFlow等の機械学習ライブラリの学習用にWindows8.1とは別にUbuntuもインストールされており、デュアルブート出来たのですがUbuntuを起動していると勿論Winodwsのソフトは使えず、それが原因で機械学習の勉強から足が遠のいていました。そこで、今回はWindows上の仮想マシンに勉強用の環境を整えようと思います。内容的には同じ環境をデュアルブートされている方のUbuntu上に整える時のための備忘録になるため、真新しい話などはありません。ほぼ参考元と同一になります。

環境

ホストOS:Windows8.1

ゲストOS:Ubuntu 16.04 LTS(VMware Player)

仮想マシンのセットアップは既に済んでいるとします

Caffeの導入

0.構成の予定

今回は仮想マシン上なのでGPUは使えない、導入しておいたほうがCaffe以外にも役に立ってとても便利ということで、

・CPUモード

・Anaconda使用

という構成でビルドします。なお、Anaconda周りの環境構築はここに書くと長くなってしまうので参考元を参照してください。この記事ではpyenvを使用し、anaconda2-4.1.0を導入した場合で進めていきます。

1.お約束

各種ソフトウェアのインストール前に

sudo apt-get update

sudo apt-get upgrade

はしておきましょう

2.CUDAのインストール

sudo apt-get install nvidia-cuda-toolkit

3.BLASのインストール

sudo apt-get install libatlas-base-dev

4.その他の依存関係のインストール

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev


sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

5.Caffeのダウンロード

sudo apt-get install git
git clone https://github.com/BVLC/caffe.git

6.Makefile.configの設定

Makefile.config.exampleをコピーしてMakefile.configを作成

 

・CUDA_DIR := /usr/local/cuda → コメントアウト

・# CUDA_DIR := /usr → アンコメント

・# CPU_ONLY := 1 → アンコメント 

PYTHON_INCLUDE := /usr/include/python2.7 → コメントアウト

PYTHON_LIB := /usr/lib  →コメントアウト

・ANACONDA_HOME :=~~~

 → ANACONDA_HOME := $(PYENV_ROOT)/versions/anaconda2-4.0.0

PYTHON_INCLUDE := $(ANACONDA_HOME)~~~

 →PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
  $(ANACONDA_HOME)/include/python2.7 \
  $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include

・INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/includeの行に

 /usr/include/hdf5/serialのパスを追加

・LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/libの行に

 /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serialのパスを追加

・#WITH_PYTHON_LAYER := 1 → アンコメント

 

このようにMakefile.configを編集する

7.エラー解決のコマンド

このままインストールするとエラーが発生するので

find . -type f -exec sed -i -e 's^"hdf5.h"^"hdf5/serial/hdf5.h"^g' -e 's^"hdf5_hl.h"^"hdf5/serial/hdf5_hl.h"^g' '{}' \;
cd /usr/lib/x86_64-linux-gnu
sudo ln -s libhdf5_serial.so.8.0.2 libhdf5.so
sudo ln -s libhdf5_serial_hl.so.8.0.2 libhdf5_hl.so

を実行

 

caffe/pyrhonディレクトリで

for req in $(cat requirements.txt); do pip install $req; done

を実行

8.コンパイル

make -j8 all 

make -j8 test

make -j8 runtest

なお、この構成でやってみるとruntest時にerror127が発生し、testをpass出来ません。この問題はanaconda内のlibフォルダへのパスを通すことで解決しました。

pip install --upgrade pip

pip install -r ./python/requirements.txt

make -j8 pycaffe

make -j8 pytest

9.Python用の設定

PyCaffeのパスを追加します

echo "export PYTHONPATH=$PYTHONPATH:$HOME/caffe/python" >> ~/.bashrc
source ~/.bashrc

最後にimport caffeでエラーが出ないか確認します。でなければビルドは成功です。

python -c 'import caffe'

あとがき

 以前にcaffeを導入した時はCPUモードでのビルドではあまり悩まず、GPU周りでかなり困った覚えがありました。しかし、今回はその当時とは導入する方法が違っていてCPUモードでのビルドなのにかなり戸惑い、手間取りました。当時と同じノリでやったら全くうまく行かなかったので...とりあえずかなり時間はかかりましたがなんとか導入は成功したのでこれで良しとしておきましょう。次はTensorFlowかChainer辺りを導入しましょうか。調べてみるとChainerは自分が触ってみた当時よりもかなりコードが書きやすくなってるみたいなので楽しみです。

 

参考


github.com

threadに参照を渡すときは(C++)

C++でthreadに参照を渡すときはstd::refを忘れないようにしよう。

C++で関数テーブルを作る

 条件に合わせて行う処理を切り替える時、ただ単に分岐するよりも関数テーブルを作ってそれを利用したほうが可読性が増します。しかし、ポインタを弄ったりして関数テーブルを作るのは意外と骨が折れます。ここではC++11の機能を使ってお手軽に実装できる関数テーブルを紹介します。

 これだけのコードで関数テーブルが実装できます。クラス内でメンバ関数を登録する場合は

functionTable["foo"]=std::bind(&Classname::Funcname,this,std::placeholders::_1;

とstd::bindの中身を書き換えてやると良いです。

Courseraの機械学習コース受講終了

f:id:ewvss:20160515230011p:plain

3月中頃から始めてようやく終わりました…長かった…でも、楽しかったですし、最後のビデオを見終わった時は感無量でしたね。これからどうしようかなぁ…とりあえずTensorFlowとCaffeやChainerあたりを触ってみましょうかね。元々去年辺りから機械学習の技術に触れてそれらライブラリを触ってみるも知識の無さに打ちのめされたので受講したわけですし、兎にも角にも自分にお疲れ様です。

 

なお、お金がそもそもそんなに無かった上、入金する手段も無かったので修了証はありません。そこだけちょっと後悔してますが、まぁ欲しかったらまた受ければいいので。

Activity不在のServiceから別のServiceを起動するとServiceが落ちる話

Activity起動中、もしくはバックグラウンドでまだActivityが生きている時には正しく動作する、しかしActivityを殺してから操作するとエラーでサービスが落ちる、しかもその内容はデバッグログに上がってこない上至る所でLog出力をさせてもServiceが落ちてしまう場所が変わってしまう。

 こんな現象があり、デバッグのしようもなく途方に暮れていましたが、Logcatの出力から自作アプリのみのフィルタを外し、全出力を閲覧した時、ようやく原因が分かりました。サービスから起動した別のサービス上でandroid.os.DeadObjectExceptionが投げられていました。どうやら、Activityから起動したServiceが、Activityが死んでいる状態でさらに別のServiceを起動する場合には、起動対象のServiceを別プロセスに分離しなければならないようです。ということでandroidmanifest.xmlandroid:process属性を追記してやってデバッグ完了です。

参考

d.hatena.ne.jp

AndroidStudio2.0でパッケージ名の変更

 AndroidStudio2.0以降でパッケージ名を変更する場合もこれまでと大差無い方法で変更できますが、このバージョンではアプリを検索されやすくするというApp Indexingの為のコードを自動生成する機能が付いています。

App Indexing  |  Google Developers

本来なら自動生成したらそのままさわらないで良いはずです、実際そのほうがアプリをいろいろな人にみてもらえるそうですし。しかし、コードを自動生成後にパッケージ名を変更するとビルドは通りますがなぜか動いてくれません。自分の手で作ったソースの変えなければいけない所すべての部分においてパッケージ名を適切に変更しても自動生成されたコード内でエラーが発生してしまいます。こうなってしまえばもうお手上げで、自動生成された部分を消すしかありませんでした。パッケージ名はよく考えて付けましょう。