Python3.7(Anaconda)にTensorflowがインストールできない
Python3.7でpipインストールしようとすると、そんなものはないと怒られる。
この記事の執筆時点ではどうやら対応していない模様。
以下の記事から状況は変わらず。
従って、対処法も同じ。
Pythonのダウングレードをすれば良い。
Anacondaは下記のコマンドで簡単にダウングレードを実行できる。
conda install python=3.6.6
依存関係などをすべて調べて実行してくれる。素晴らしい。
Pythonでスクレイピング
本記事は以下の書籍の忘備録です。
Kyran Dale, "Data Visualization with Python and JavaScript," O'REILLY, Aug. 2017.
WEBからデータを入手する方法はいくつかある。
・HTTP経由で入手
・専用APIを利用して入手
・HTTP経由でWebページを取得して、ローカルでパースする
まず、requestsライブラリをデータを取得する。
requestsはPythonの標準ライブラリではないため、pipコマンドで入手する。
(Anaconda導入済みの場合はこの作業は不要)
ちなみに、SSL警告が出る場合には、以下のコマンドでライブラリをアップグレード。
pip install --upgrade ndg-httpsclient
まずrequestsライブラリをimportする。
import requests
getメソッドを使ってページを取得し、responseオブジェクトに割当る。今回はWikiからノーベル賞のページを取得する。
response = requests.get("https://en.wikipedia.org/wiki/Nobel_Prize")
HTTPステータスコードを調べる場合は、status_codeを利用する。
response.status_code
入手した情報のプロパティはheadersで表示できる。
response.headers
エンコード情報、サイズなどがここで確認できる。
次に、Web APIを利用したデータの取得を行う。
今回使うAPIは、RESTful APIと呼ばれるAPIである。
リモートデータに対する操作は、CRUD(Create, Retrive, Update, Delete)に集約される。
残念ながら、取得先のURLが存在しないようで、うまく行かなかった。
後ほど修正を試してみる。
ノーベル賞データ可視化のための国データの取得
書籍中だとv1を利用しているが、現在はv2を使うと良い。
コードは写経したものを参考までに掲載しておく。
（つづく）
Javascriptを試すローカルサーバーの建て方
サーバーを立てずにJavascript(JS)を試すことはできる。
例えば、JSBinなどが典型である。
JS Bin - Collaborative JavaScript Debugging
非常に便利で使い勝手の良いサービスであるが、使い慣れたエディターなどを使いたかったり、負荷を掛ける場合にはローカルサーバーを立てると良い。
プロジェクトディレクトリを作成し、以下にHTMLとJSを追加する。
working_directory
|---index.html
| ---script.js
（後ほどgithubを追加します）
次にHTTPサーバーを立ち上げます。
python -m http.server [port (default 8000)]
サーバーが立ち上がるので、Webブラウザーからアクセスします。
もちろん空白なので、コンソールにアクセスします。
[Windows]+[Shift]+[J]でscript.jsに書かれた処理が実行されているのが確認できる。
Ubuntuをインストール後にするべきこと
Ubuntuをインストールしたあとに最低限やるべきことをメモしておきます。
まず最新の環境に更新しておきましょう。
sudo apt-get update
sudo apt-get upgrade
次に、必要なパッケージを入れていきましょう。
一度に入れる場合には次のコマンドをどうぞ。
sudo apt-get install vim git openssh-server -y
必要なパッケージを最小限に構成していけるのがLinuxの魅力ですので、最低限のパッケージのみ紹介しています。
また、ディレクトリを英語にしたいときは、以下のコマンドです。
LANG=C xdg-user-dirs-gtk-update
UbuntuでPython環境構築(Anaconda on Ubuntu on Windows10)
Linuxで最低限のPython環境を構築する方法をメモしておく。
想定するバージョンは下記の通り。
・OS : Ubuntu 18.04.5 LTS
・Anaconda :
Anacondaの使用は賛否がある。個人的には不要なパッケージが多いため、手放しで賛成できないと考えている。
しかし、Pythonの環境を構築する際のハードルを大きく下げた功績は認められるべきである。実際、多くの書籍でもAnacondaを利用している。
ここではUbuntuのインストールが終わった時点を想定している。
まず、Ubuntuを最新の環境に更新する。
左下の三目並べっぽいアイコンをクリックし、「端末」を起動する。
sudo apt-get update
sudo apt-get upgrade
次に、Anacondaを入手する。
Python3.xとPython2.xがあるが、今回はPython3.xを利用する。
ダウンロードが完了したら、端末でダウンロード場所に移動する。
Anacondaのドキュメントは英語版をベースにしているので、そのままコピペしても動かない。(フォルダ名を英語にしておけば問題なし)
bash Anaconda3-X.X.X-Linux-x86_64.sh
いくつかの質問が対話的に行われるので、適宜対応する。
インストールは暫く掛かるので、紅茶を飲みながら待ちましょう。
VS Codeのインストールはお好みでどうぞ。
Oracle VM VirtualBox にUbuntu 18.04 LTSをインストール(Windows10)
時折、Linuxで開発したい(Linuxでないと開発できない)時がある。
または、ローカルな環境を汚さずに開発したいときもある。
(Windows PCが支給されて他に選択肢がないときも)
そんなときは仮想環境を構築する。
まず、一番時間がかかるUbuntuのダウンロードをしておく。
https://www.ubuntulinux.jp/home
特にこだわりがなければ、日本のコミュニティからダウンロードをする。
コミュニティの尽力により、安定したUbuntuが容易に入手できるのは非常にありがたい。
ところで、機械学習環境は長らくUbuntu 16.04が安定であったが、CUDAのインストール難易度を鑑みてもUbuntu 18.04にすべきではないだろうか。
別途記事を作成するが、古い情報が徒に難易度を上げてしまっている。
その間にVirtualBoxのダウンロード・インストールをしておく。
別途、SAS university Editionの記事で解説したい。(覚えていたら)
応急的に参考リンクを貼っておく。
インストールしたVM VirtualBoxを起動する。
「新規(N)」をクリックすると、新たなウィンドウが立ち上がる。
ここで名前を適宜入力し、タイプを「Linux」に、バージョンを「Ubuntu(64bit」にする。
メモリーサイズは仮想マシンの使い方(とお手元のPCのメモリ容量)ご相談の上に決定してください。
ハードディスクを作成する場合、デフォルトのままで良いと思います。
これでウィンドウは閉じてしまうが、まだ「ハコ」を作っただけでインストールは終わっていない。
作成した仮想マシンを右クリックし、「設定」を起動する。
「ストレージ」→「ストレージデバイス」→「コントローラー:IDE」の右側にあるディスクのアイコンをクリックして、ダウンロードしたISOを選択する。
この段階で仮想マシンを立ち上げることでOSのインストールが始まる。
OSのインストールはそのまますすめても問題ない場合が多い。
（仮想マシンと割り切る場合に限って）
Python環境を立ち上げる方は、以下のページもご利用ください。
