2021年
2021年でした。
- デロンギ ディナミカ 全自動コーヒーマシン ECAM35035W
- Keychron K2
- Hako violet
- VTuber
- きみが死ぬまで恋をしたい
- Amazon Echo Show + Switchbot
デロンギ ディナミカ 全自動コーヒーマシン ECAM35035W
もともとパナソニックの紙フィルターを使うコーヒーマシンを使っていたけど、毎回紙フィルターセットして捨てるの面倒すぎワロタになっていたので、手入れが簡単なものを探した結果これとなった。
週1くらいで機械に言われるままにコーヒーカス入れの中身を捨てたり、ちょっとしたパーツを洗えばいいくらいなので、かなり楽にコーヒーが飲めて人生のレベルが上がった。
フォームミルクも作れるが、作った後の手入れを毎回しないといけないのが面倒なので、ミルク成分がほしい時は基本的に脱脂粉乳をぶち込んでいる。
Keychron K2
Keychron K2 (Hot-swappable) Wireless Mechanical Keyboard (Version 2)www.keychron.com
以前使っていた青軸キーボードがぶっ壊れたので、何か代わりのキーボードが欲しいな、できればHot swappableで、ということを考えていたらちょうど良さげなものがあったので購入した。
FF14やゲームなどをやっていると十字キーなどの謎のキーがあった方が良かったりするので、コンパクトでキー数が多い75%はゲーム用キーボードとしてちょうど良かった。
Hako violet
Input Club Hako スイッチ(10個入り)shop.yushakobo.jp
世界最高のスイッチです。1000個買え
弱目のタクタイル感があり、HHKB一派の人々はかなり気にいるんじゃないかなと思っている。音も良い
VTuber
年末で湊あくあさんのメンバー2年目となっていました。とても精神にいいですね。
今年はめちゃくちゃに曲が増えて、めちゃくちゃに良いぞと叫んでいた。
来年にはソロライブも決定していてとても良いですね。チケット?
きみが死ぬまで恋をしたい
読みなさい
Amazon Echo Show + Switchbot
アレクサ!!!!!!!!!!電気を消して!!!!!!!と叫ぶと電気が消えるのでめっちゃ便利。
OneShotをmacOS上でプレイする(バイナリ版)
先日こんな記事を公開しましたが、依存ライブラリを全て揃えてビルドするのは地獄です。
そんな地獄を回避するために、(比較的)簡単にインストールができるスクリプトを公開しました。
使い方
Win版データのダウンロード
通常のSteamクライアントからだとWindows用のゲームはインストールできないため、SteamCMDというスクリプトを利用します。
- https://steamcdn-a.akamaihd.net/client/installer/steamcmd_osx.tar.gz からSteamCMDをダウンロード、解凍
- ターミナル(
/アプリケーション/ユーティリティ
以下にある)を起動 - ターミナルのウィンドウに、解凍したフォルダの中にある
steamcmd.sh
をドラッグ&ドロップし、Enterを入力 - 少し待つと
Steam>
と出てくるので、以下を順番に入力する:login (Steamのユーザー名)
(パスワードやSteam Guardのコードが聞かれた場合、それも入力)@sSteamCmdForcePlatformType windows
app_update 420530 validate
全て終わると、/Users/
以下にOneShotのWindows用アプリケーションがインストールされます。
Mac版バイナリのインストール
このバイナリを利用するためには、一部Windows用OneShotからデータを抽出する必要があります。
上記手順でダウンロードしたzipファイルを解凍後、以下の手順によって抽出とインストールができます:
extract-image.command
をダブルクリックinstall.command
をダブルクリック
インストール完了後、OneShotがインストールされたフォルダが開かれます。Steam上からの起動は不可能なため、OneShotのアプリケーションをDockに登録するなどすることをお勧めします。
また、OneShotを起動する際には、Steamのクライアントが事前に起動していることが必要です。
トラブルシューティング
~.command
やインストールされたアプリケーションを開く際に「開発元が未確認〜」というエラーが出る
ダブルクリックの代わりに「右クリック->開く」を行ってください。
OneShotをmacOS上でプレイする
OneShotをmacOS上でプレイする方法をメモしておきます。 良いゲームなのでみんな買おうね!
以下の手順はネタバレを含む気もするので可能であればバイナリ公開を目指します。
ゲームのデータファイルのダウンロード
Steamで購入した後、SteamCMDなりwineなりを使ってゲームファイルをダウンロードし、$HOME/Library/Application Support/Steam/steamapps/common/OneShot
以下に配置します。
SteamCMD - Valve Developer Community
ゲームエンジンのビルド
OneShotはmkxpというフリーのRPGツクールクローンを改造したものをエンジンとして採用しています。
さらに、ここからフォークしてmacOS上で起動できるようにしたフォークであるsynglechanceが存在します。
一方、synglechanceは一部のゲーム機能が動作せず、完全なプレイは不可能です。そこで、synglechanceからフォークしてそれらの機能を実装しました。
ビルド時の注意点としては、SDL_soundが特殊なものであること、Rubyにパッチを当てる必要があることです。この2つのライブラリのコンパイルは以下のコマンドで行えます:
$ make -f make-thirdparty.mak
残りの依存ライブラリはhomebrewなどを利用して入れることができます。その後、以下のコマンドを実行することでビルドが可能です:
$ ./make-oneshot-mac.sh
Journalのビルド
OneShotが正常に動作するためにはJournalも必要になります。こちらもオープンソースでの再実装(途中)が公開されているので、きちんと動作するようにフォークしました。
ここで、pip上のpyinstallerはpyqt5と相性が悪いので、修正バージョンをインストールする必要があります:
$ pip3 install https://github.com/bjones1/pyinstaller/archive/pyqt5_fix.zip
また、Journal用の画像を_______.exeから取り出す必要があるのですが、この実行ファイルはupxによって圧縮されているので、展開した後に抽出する必要があります。
$ brew install upx $ upx -d _______.exe
展開後にResourcesExtractなどをwineで起動し、ビットマップをimagesディレクトリに抽出、pngに変換してからpyinstallerでバンドルにします。
$ python3 renameandconvert.py $ pyinstaller journal.spec --onefile --windowed
出来上がった_______.appも$HOME/Library/Application Support/Steam/steamapps/common/OneShot
以下に配置します。
あとはOneShot.appをダブルクリックすると起動します。
カラースキームを作ろう【アイドルマスター Advent Calendar 2017 5日目】
この記事はアイドルマスター Advent Calendar 5日目の記事となります。
adventar.org
はじめに
アイドルマスターというコンテンツは、いかに心の中で担当アイドルと向き合っていくかといっても過言ではないでしょう。
その結果から、各々のアイドルの持つ強み、つまり「特色」をプロデュースしていくというものになります。
ところで、みなさんが普段から長時間向き合っているものとはなんでしょうか?
当然、パソコンの画面、特にプログラマの方々にとってはコンソールやエディタになると思います。
つまり、画面を彩る色、カラースキームというのは担当アイドルのようなものだと言えます。
そうなると、俄然カラースキームを自作しようという気持ちが湧いて来ますね。
とは言え、カラースキームの作成というものは面倒臭いものです。
そこで、本記事では、できるだけ簡単・お手軽にカラースキームを作成する方法について述べていきたいと思います。
色を選ぶ
カラースキームの作成ということで、当然色を選ばないことには何も始まりません。
選び方のオススメは、Material Designのカラーパレットから良さげなものを選ぶ方法です。
すでに良さげな色・濃度が羅列されており、何よりGoogleお墨付きの「見やすい色」なので、安心感があります。
Color - Style - Material Design
選ぶ色の数に関してですが、まずは基本となる背景色と文字色、ANSI Color Paletteの16色を決めておくと良いです。
そして、担当アイドルと睨めっこしながら色を選択していきます。これは可愛い緒方智絵里ちゃんの画像です。
背景色
明背景であれば濃度50、暗背景であれば濃度900あたりから選択するのが良いと思います。
特に暗背景については、Blue Grey 900を選択しておけば潰しが効くと思います。
文字色
明背景であれば濃度600-900、暗背景であれば濃度50-100あたりが妥当でしょう。
ここで、背景色・文字色のどちらかで担当アイドルっぽい色を選択しておくと、後の16色の選び方が比較的適当でもそれっぽい見た目になります。
例えば、緒方智絵里ちゃんを見ながら色を選択すると、
- Blue Grey 900 + Light Green 100
- Light Green 50 + Blue Gray 800
のようになります。それっぽいですね。
その他の色
その他の色に関しては、身もふたもないですが、適当な濃度から始めて試行錯誤するのが手っ取り早いと思います。
明背景では濃度800付近を、暗背景では濃度200付近を試していくと良いでしょう。
緒方智絵里ちゃんを見ながら選択すると以下の表のようになります。
明背景 | 暗背景 | |
---|---|---|
Black | Blue Grey 700 | Blue Gray 900 |
Red | Deep Orange 600 | Pink 200 |
Green | Green 800 | Green 200 |
Yellow | Orange 800 | Orange 200 |
Blue | Blue 800 | Light Blue 200 |
Magenta | Purple 800 | Purple 200 |
Cyan | Teal 800 | Teal 200 |
カラースキームにする
色を選んだ後は、実際にカラースキームとしてまとめることになります。ここは利用するソフトウェアによって異なるので詳しくは述べませんが、公開されているカラースキームから近しいものを選んで、色の部分を変更していくのが手っ取り早いです。
おわりに
実際に使用しているVimのカラースキームがこちらとなります。名前はchieryです。分かりやすいですね。
みなさんもどんどんカラースキームを作って公開しましょう。
6日目はcroMisaさんの「im@sparqlで読み取るアイドルちゃんのデータ」です。
智絵里中間を走った
初めての上位報酬狙いだったので備忘録的にメモを残しておきます。 ひとまずリミテを回した後の初期状態は以下のような感じでした。
初期資産
- LP1/6: 2551
- スタ: 1669
- スタハ: 935
開始前の戦力
4倍パワー
- [夕焼けテレパシー]堀裕子(特訓前)
3倍パワー
やったこと
今回初めての上位狙いだったので含み損とかあまり気にせず、中間までパワー持ちを抱えようという覚悟を決めました。ボーダーを上手に予測する自信がありませんでした。
ボーダーの予測は最高6000万程度、おそらく5000万付近といったところでした。文香中間と前回の876で疲弊した人たちが多いんじゃないかということで、フォロワーの方は4000-4500万付近ではないかとおっしゃっていました。
新ツアーは特技が乗算でかかる+アクセサリーの効果が強いため、パワー持ちを並べてできるだけ特技が重なるようにする必要があります。
そのため、パワー持ちのうち全色特技である智絵里・フレデリカ・ライラ、CuPaで特技の乗りが良いユッコ、さらに直前のパーチケで引いたCG卯月を前に並べることにしました。
3日目のアクセ・メダルが揃った後にユッコ特訓前をスタ500、フレデリカ特訓後をスタ600、よしのん特訓前をスタ300、卯月をスタ100くらいで迎えました。
こうなってる pic.twitter.com/dSsFZmwcCy
— cherry*merry*cherry (@popkirby) 2017年2月10日
フロントは卯月以外パワー持ち、バクメンはパワーを持たない20-22コスです。
だいたいフルパン40k付近になったので、アイテムを使って目標値までフルパンします。簡単ですね。
最終的には残り118本になりましたが、ボーダーギリギリならもう500本くらい節約できたと思います。楽しい気分になって100位以内狙ってしまったからしょうがない。
中間終了後の資産
まとめ
- パワー持ちを揃えて
- アクセサリを揃えて
- フルパンする
簡単ですね!
感想
案外いけるのでどんどん走りましょう。自分はしばらくは安静にします。
文章のもちょらしさを測定してみる
もちょブログ、見てますか?
先日、謎サービスをとても適当な感じに実装したのですが、もう少し適当じゃない感じに何か実装できないかなと思い、今異常な流行を見せている機械学習のビッグウェーブに乗ってみることにしました。
端的に言うとCNNを用いた文章の分類です。
何でCNNなの
文章解析といえばRNNという感じもありますが、猫でも分かりそうな感じだったので人間でもわかるCNNで実装することにしました。
自然言語処理へのCNNの適用は案外例があって、[1]とかがそんな話をしてます。
ちなみにKerasでフィルタの大きさを可変にする方法がよくわからなかったのでフィルタサイズは固定してあります。
実装
だいたいexampleをコピペしました。
github.com
結果
余談
[2]によると小さいデータセットならngramsの方が性能が出るらしいです。ただ2クラス分類なら何やってもそれなりの性能が出るようなので満足しておきます。
出典
[1] Kim, Y. (2014). Convolutional Neural Networks for Sentence Classification. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP 2014), 1746–1751.
[2] Zhang, X., Zhao, J., & LeCun, Y. (2015). Character-level Convolutional Networks for Text Classification, 1–9.