$[0, 1)$ の範囲の独立な乱数を足して $1$ を超えるまでの個数の期待値は $e$ (自然対数の底)、という定理があります。証明は愛知教育大の鈴木先生の論文あたりを参照。
で、この定理を使えばモンテカルロ法で $e$ を求めることができるので Python で試してみた、というお話。
1億回試してみて個数の平均を取る (ついでに処理時間を計測する) Python コードは以下の通りです。いろいろ効率が悪い書き方かもしれないけど、素直に書いたらこんなものでしょう。
from numpy import random
import time
loop = 10 ** 8
num_rand = 0
start = time.process_time()
for i in range(loop):
sum_rand = 0
while True:
sum_rand += random.rand()
num_rand += 1
if (sum_rand > 1.0):
break
print (time.process_time() - start)
print (num_rand / loop)
Apple M2 搭載の MacBook Air 15inch (2023) + Python 3.11.6 という環境でこれを実際に動かしてみると出力は以下の通り。
52.353312
2.71844723
$e$ の値が $2.718281828459045…$ なので、52秒かけて有効数字4桁ぐらいまで求められることになります。
$e$の値に関しては
\[e=\sum_{n=0}^{\infty}\frac{1}{n!}\]というもっと有名な定理があって、これを Python で書くと以下の通りになります。
from functools import cache
import time
@cache
def factorial(n: int):
if n == 0:
return 1
return n * factorial(n - 1)
e = 0
start = time.process_time()
for i in range(0, 10):
e = e + 1.0 / factorial(i)
print(time.process_time() - start)
print(e)
コード通り $n=10$ で計算を打ち切ったら出力は以下の通り。
8.100000000021979e-05
2.7182815255731922
ということで、10,000分の1秒ほどで有効数字6桁の精度で $e$ の値が求められます。
(2023/12/31 追記)
mathモジュールにfactorial()という階乗を求める関数があったので、自前で実装せずにこっちを使ってみる。
import math
import time
e = 0
start = time.process_time()
for i in range(0, 10):
e = e + 1.0 / math.factorial(i)
print(time.process_time() - start)
print(e)
4.499999999996174e-05
2.7182815255731922
ということで、当たり前ながら結果は変わらないけど、所要時間はさらに約半分になりました。
(以上、追記)
効率のいい方法がある時はそっちを使った方がいいですよ、というお話でした。
]]>open -n -b "com.microsoft.VSCode" --args "$*"
ショートカットの出来上がりはこんな感じ。
うまくいけばショートカットメニュー内の「クイックアクション」に「Codeで開く」が登場します。
Windowsだと右クリックメニュー直下なのでWindows版で慣れている人には少し違和感があるかもしれませんが、そこは慣れてもらうということで。
]]>なお、NERV以外はTwitterアカウントの非公式ミラーっぽいです。
NERVアカウント一覧 (https://unnerv.jp/about/more)
ということで、以下のコマンドでローカルユーザーがログインしていなくてもストレージはマウントされたままにしておくと便利 (下のコマンドは横に長いので注意)。
$ sudo defaults write /Library/Preferences/SystemConfiguration/autodiskmount AutomountDisksWithoutUserLogin -bool yes
無効にするときは、次のコマンドで。
$ sudo defaults delete /Library/Preferences/SystemConfiguration/autodiskmount AutomountDisksWithoutUserLogin
ここはMac/Windowsでの作業。
……が公式手順。
ただ、年に1回あるかないかのRaspberry Piの起動ディスク作成のためだけにわざわざ専用ソフトをインストールするのもアホらしいので、”Operating system images – Raspberry Pi“から適当なOSイメージをダウンロードして、balenaEtcherかddコマンドあたりで書き込む方がいいかもしれない。
書き込みが終わってもMac/Windows上での作業が続くので、microSDはそのまま。
引き続きMac/Windowsでの作業。
microSDのルート直下にsshという名前の空のファイルを作成すればsshサーバーが起動する。デフォルトで起動しているわけではないので注意 (ファイルじゃなくてsshという名前の空のフォルダでもいけたので、Windowsマシンだとそれでいいかも)。
$ touch ssh
起動したらファイルは自動で削除される模様。
ヘッドレスじゃなくてもよければ、raspi-confコマンドで設定。
同じくルート直下に以下の内容のwpa_supplicant.confというファイルを作成。
ctrl_interface=DIR=/var/run/wpa_supplicant GROUP=netdev
update_config=1
country=JP
network={
ssid="<SSID名>"
psk="<パスワード>"
}
ここからはRaspberry Piでの作業。
microSDをRaspberry Piに差し込んで電源を入れ、完全に起動するまでしばらく待つ。
これで、
raspberrypi.localpiraspberryでアクセスできるようになる。
アクセスできたら、最初にパスワード変更。
$ passwd
ホスト名変更、時間帯変更、その他。
$ raspi-config
ソフトウェア更新。
$ sudo apt update
$ sudo apt upgrade
Sambaインストール。
$ sudo apt install samba
nano /etc/samba/smb.confでsmb.confの編集。(エディタはviでもいいけど)
末尾に以下を追記。
[pi]
comment = Welcome
path = /XXXXXXXX
public = no
read only = no
browsable = yes
force user = pi
path = /XXXXXXXXは自分の環境に合わせて適宜書き換え。
Sambaサーバーを再起動。
sudo systemctl restart smbd
Sambaのユーザーパスワードを設定してSambaサーバーを再起動
(Sambaのユーザーとマシンのユーザーは別物なので、セキュリティ的にはパスワードも別にした方がいい)
sudo smbpasswd -a pi
sudo systemctl restart smbd
sudo pdbedit -Lで出力にpi:1000というのがあれば設定完了。
Mac の場合、はがきデザインキットの住所録の本体は ~/Library/Preferences/designKit.<英数字の列>/Local Store/yubin10.db。
(Windows だとファイルがあるのは ~\AppData\Roaming\designKit.<英数字の列>\Local Store らしいです)
まずターミナルで sqlite3 を使って yubin10.db を開きます。
$ sqlite3 yubin10.db
SQLite version 3.36.0 2021-06-18 18:58:49
Enter ".help" for usage hints.
sqlite3 のコマンドで中身を確認します。Mac なら sqlite3 は /usr/bin/sqlite3 としてデフォルトで入っています。(WindowsだったらWSLあたりを使うのが今風かな?)
sqlite> .tables
post_app_address_category_mst post_app_adressbook
post_app_address_category_tbl post_app_bookmark_tbl
post_app_address_history_tbl post_app_config
post_app_addresslayout post_app_renmei
post_app_addresslayout_template
post_app_adressbook というテーブルがあるのを確認。
sqlite> select * from post_app_adressbook
で住所録データがぞろぞろと画面出力されるので、あとはエディタにコピペするなりすればOK。
また、連名のデータは住所録データとは別に post_app_renmei に入っています。
出力内容にはちょっと癖があって、項目間の区切りは , ではなく、| だったり、各行の後ろの方によく分からない文字列があったり (たぶん、前年までの年賀状の送受のデータか何か) しますが、うまいこと加工すれば再利用できると思います。
ここからは余談。
はがきデザインキットの最新バージョンでも住所録書き出しはできる (というか、住所録書き出ししかできない) のですが、うちの場合はこの機能で書き出すと日本語文字が “?” に置換されていました。
hexdump にファイルを食わせて確認したところ、いわゆる文字化けで日本語文字が “?” に見えているだけ、というのではなく完全に置き換わった状態で、気付かなかったら住所録データをロストするところでした。
うちのはがきデザインキットは Big Sur で一旦動かなくなったのを、年賀状作るために何かごにょごにょして無理やり動かしていたので、それがよくなかったのかも。
]]>環境整備に手間かけたくないので、Dockerを使います。
Jetson Nanoの準備については、公式の “Getting Started With Jetson Nano Developer Kit : NVIDIA Developer” とか、このサイト上のポストあたりを見てください。
だいたい “Catalog : NVIDIA NGC” にある “NVIDIA L4T ML : NVIDIA NGC” の記述通り。
(初回起動時のみ) Jetsonのターミナルで以下のコマンドを入力してコンテナをpull。
sudo docker pull nvcr.io/nvidia/l4t-ml:r32.6.1-py3
以下のコマンドでコンテナを起動。例によって初回は起動まで時間がかかります。
sudo docker run -it --rm --runtime nvidia --network host nvcr.io/nvidia/l4t-ml:r32.6.1-py3
これでJupyter Labが起動します。
同じLAN上の別のPCからJetson Nanoの8888番ポート (要するに http://<machine name>:8888) にブラウザでアクセスするとJupyter Labのパスワード認証画面に入れます。
Jetsonのターミナルの指示通り”nvidia”というパスワードで入れば、Jupyter Labの画面が開いてPytorchとかTensorFlowとか使えるようになります。
これが多分基本的な使い方。
ブラウザからのアクセスだとコマンド補完が効かずあまり使い物にならないので、以下VSCodeからアクセスする方法です。動作確認で使ったVSCodeのバージョンは1.59.0。
http://<machine name>:8888) を入力これでVSNoteからJetson Nano上で動作するJupyter Serverが使えるようになります。
dockerコマンドでsudoが嫌、という方は「Dockerコマンドをsudoなしで実行する方法 - Qiita」あたりを参考にどうぞ。
(base)yasuo@iMac:~ $ _
macOS Big Sur でしか確認できていませんが、多分、mac 以外でも同じことが起こって、同じ対策でいけるはず。
“MacOS(OSX) - macのターミナルに(base)と表示され場合の対応方法 - Qiita” とか “command line - Why does “(base)” appear in front of my terminal prompt? - Ask Ubuntuの内容ほぼそのままです。
conda deactivate
conda config --set auto_activate_base False
結論: anaconda が .zshrc に余計なことを書くのが悪い。
# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/usr/local/Caskroom/miniconda/base/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
eval "$__conda_setup"
else
if [ -f "/usr/local/Caskroom/miniconda/base/etc/profile.d/conda.sh" ]; then
. "/usr/local/Caskroom/miniconda/base/etc/profile.d/conda.sh"
else
export PATH="/usr/local/Caskroom/miniconda/base/bin:$PATH"
fi
fi
unset __conda_setup
# <<< conda initialize <<<
GitHub Pages を使うと、
と、お手軽にWebサイトを構築できて便利なんですが、細かい設定をやろうとすると、_config.yml をいじったり、テンプレートをいじったりするので、可能であればコミットする前にローカル環境でお試ししておきたい。
ということで、Docker を使ってローカルで GiuHub Pages の環境を作ってみましょう、という話。
docker pull jekyll/jekyll:pages
以下、GitHub Pages の関連ファイルは ~/githubpages/ 以下に置く or 置かれているという想定です。
docker run --rm --volume="~/githubpages/:/srv/jekyll" --it -p 4000:4000 jekyll serve --watch
これで ~/githubpages/ 以下のファイルを元にページが生成されて、https://localhost:4000 にアクセスすれば表示を確認できます。
また、--watch オプションを付けておけば、ファイルに変更があるたびにページがリアルタイムで再生成されるので、ブラウザをリロードすれば変更後の表示確認が即できるようになります。
あとは、.zshrc あたりで
alias githubpages='docker run --rm --volume="~/githubpages/:/srv/jekyll" --it -p 4000:4000 jekyll serve --watch'
とかやっておくと便利。
表示を確認できたら、そのまま git commit → git push で公開完了。
GitHub Pages のサーバーの方では、各ページのYAML Front Matter での layout あたりの項目とか、_config.yml の plugins あたりをちゃんと書かなくても良きに計らってくれますが、ローカルで生成する際はちゃんとしておかないとダメみたいです。
あと、余計なお世話ですが、テーマ関係をいじらないのであれば ~/githubpages 以下のテーマ関係のディレクトリを .gitignore に書き込んでおいた方がいいかもしれません。
というあたりが目指す最終形です。 Jetson Nano 初期モデルでしか試していませんが、Jetson Nano 2GB でもほぼ同じ手順で行けるはず。 JetPackのバージョンは4.5前提。2021/08/04 リリースの 4.6 でも大丈夫だったけど、4.5より古いと多分ダメ。
起動するところまでは 公式ドキュメント 通りにセットアップを進めます。特に引っかかることはないと思いますが、言語設定は English にしておけば余計な気を使わなくて済みます。 あと、公式ドキュメントには ヘッドレスセットアップの方法 についても記載されていますが、うちの macOS Big Sur ではシリアルデバイスが見つからず、ヘッドレスセットアップは試せていません。Big Sur以降はセキュリティの何とかで USBシリアルが使えないらしい です。
まずはソフトウェアのアップデート。
sudo apt update
sudo apt upgrade
SSH と avahi-daemon
sudo apt install ssh avahi-daemon
sudo systemctl restart ssh
sudo systemctl restart avahi-daemon
ここまでやれば、Jetson Nano のキーボードその他は外しても大丈夫です。
(JetPack 4.6 だと SSH と avahi-daemon はデフォルトでインストールされているんで、1行目の sudo apt install ssh avahi-daemon は不要。systemctl restart も「念のため」ぐらいの意味しかないかも)
avahi-daemon があれば、初期設定中に設定したマシン名でログインできます (例えば、ssh 192.168.xxx.xxx ではなくて、ssh jetson みたいな感じ)。
ここから先は、母艦となるPC上での作業。 まずはSSH公開鍵のコピー
ssh-copy-id -i .ssh/id_rsa <machine-name>
.ssh/id_rsa のところは .ssh/id_rsa.pub と書きたくなりますが、上記の通りのコマンドで良きに計らってくれます。
ここで ssh でログイン。 ディスプレイマネージャの変更 (以下の手順は、”Save 1GB of Memory! Use LXDE on your Jetson - JetsonHacks” の内容そのままです)。
sudo dpkg-reconfigure lightdm
ディスプレイマネージャの選択画面が出るので、lightdm を選択。
(Jetson Nano 2GB だとデフォルトが lightdm だそうなので、ここのステップは無視してください)
sudo apt install xrdp
echo lxsession > ~/.xsession
sudo systemctl restart xrdp
これでリモートデスクトップが使えます。
ここから先は自力でいろいろインストールして環境を構築していくのが定番の手順でしたが、Docker 使った方が圧倒的に楽なので、この辺りの情報をいろいろ見てください。
以下、単なる記録として。
pipでのモジュールインストールだとバイナリファイル周りの依存関係がいろいろ面倒くさいので、aptでインストール
sudo apt install python3-pip python3-numpy python3-pandas python3-matplotlib python3-sklearn python3-ipykernel
Tensorflow のインストールは基本的に 公式ドキュメント の手順を踏めばいいのですが、上の流れでPythonモジュールはいろいろインストールしているので、途中段階をすっ飛ばしていきなり
sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v45 tensorflow
でも行けるかもしれません。
あとはこの辺りの情報をいろいろ
]]>