【期間限定無料＆50%OFF以上】電撃超感謝祭 が始まったぞ（1/10まで）
Amazonで電撃超感謝祭が始まって，電撃系列のラノベや漫画が半額以上OFFになっています（多分，Kindleだけ）．
お正月休みにまとめて読むのもいいですね．
僕は最近，土橋 真二郎にハマっているので，
コロシアムシリーズとOP-TICKET GAMEシリーズを買います．
【Ruby】組み込み変数について
グルコサミンは関節痛に効く？
昔はテレビでよくグルコサミンのサプリのCMが流れていたと思います．
（今はテレビを見ないので，知りませんが）
これが膝関節などの関節痛に効くようにうたっています．
結論から言うと，グルコサミンが痛みなどの軽減効果があると言う信頼できるデータはありません．
グルコサミンとは
グルコサミンは，主に3種類あります． * N-アセチルグルコサミン * グルコサミン硫酸塩 * グルコサミン塩酸塩 「N-アセチルグルコサミン」は関節の軟骨成分と同じものです．
しかし，軟骨の原料を摂ったからといって，それで効果が出ると言うのは短絡的過ぎです．
痛みの改善すると言う十分な証拠はありません．
サプリのリスク
これは全てのサプリに言えることですが，
サプリメントにはうたわれている成分以外も含まれているため，
アレルギー反応やクリスとの相互作用が起きるリスクがあります．
まとめ
グルコサミンサプリは効果がないし，リスクがあるから，高い金払って買う必要はないよ．
mpi4pyを試してみる
Pythonの並列処理のためのライブラリであるmpi4pyを試してみました．
公式のチュートリアルがわかりやすかったので，かなり参考になります．
Tutorial — MPI for Python 3.0.0 documentation
僕はいつも通り，Docker imageから作っていきます．
FROM python # install via apt USER root RUN apt-get update RUN pip install -U pip # mpi4py RUN apt-get install -y libopenmpi-dev RUN pip install mpi4py WORKDIR /root/work
ビルド済みイメージをDockerHubにあげておきました．
https://hub.docker.com/r/denden047/mpi4py/
なので，こんな感じで実行できます．
$ docker run --rm denden047/mpi4py /bin/bash
Hello Worldのプログラムを書いてみました．
これをmain.pyという名前で保存します．
from mpi4py import MPI def main(): comm = MPI.COMM_WORLD rank = comm.Get_rank() size = comm.Get_size() print(f"Hello, world! from rank {rank} out of {size}") if __name__ == "__main__": main()
っでこれを実行してみますが，
並列実行させるために，mpiexecコマンドを利用します．
具体的には以下のコマンドを実行します．
$ docker run --rm denden047/mpi4py /bin/bash -c "mpiexec --allow-run-as-root -np 4 python main.py" Hello, world! from rank 1 out of 4 Hello, world! from rank 3 out of 4 Hello, world! from rank 0 out of 4 Hello, world! from rank 2 out of 4
Dockerコンテナで動かしているので，rootでも実行できるように，
--allow-run-as-rootオプションを付けています．
また，-np 4としているので，4つのプロセスで並列に実行されています．
ここまでで，大体の感覚は掴めるので，公式のチュートリアルをやっていきましょう！
Tensorboardをtensorflowなしで使用する
Tensorboardって便利ですよね？
簡単に可視化できるツールとして，かなり優秀だと感じでいます．
そんなtensorboardですが， チュートリアルなどを見ると， かならずtensorflowとセットで紹介されています．
でも，こんな便利なツールなんだから，
tensorflow以外のときも使いたいな～っと思いました．
tensorflowなしでtensorboardを使う方法を調べて見ました．
早速結論ですが，以下のサイトが一番直感的に使えます．
A generic tensorboard logger for scalars and histograms or distributions · GitHub
少し解説すると，TensorBoardLoggerクラスを宣言することで，
簡単にtensorboardの形式でログを取ることができます．
このソースコードは，scalar(つまり折れ線グラフ)とhistgramにしか対応していません．
import numpy as np import tensorflow as tf class TensorBoardLogger(object): def __init__(self, log_dir, session=None): self.log_dir = log_dir self.writer = tf.summary.FileWriter(self.log_dir) self.episode = 0 print('TensorBoardLogger started. Run `tensorboard --logdir={}` to visualize'.format(self.log_dir)) self.histograms = {} self.histogram_inputs = {} self.session = session or tf.get_default_session() or tf.Session() def log(self, logs={}, histograms={}): # scalar logging for name, value in logs.items(): summary = tf.Summary() summary_value = summary.value.add() summary_value.simple_value = value summary_value.tag = name self.writer.add_summary(summary, self.episode) # histograms for name, value in histograms.items(): if name not in self.histograms: self.histogram_inputs[name] = tf.Variable(value,validate_shape=False) self.histograms[name] = tf.summary.histogram(name, self.histogram_inputs[name]) input_tensor = self.histogram_inputs[name] summary = self.histograms[name] summary_str = summary.eval(session=self.session, feed_dict={input_tensor.name:value}) self.writer.add_summary(summary_str, self.episode) self.writer.flush() self.episode += 1
このクラスの使い方は，簡単に以下のように使えます．
logger = TensorBoardLogger(log_dir='/tmp/test') for i in range(10): logger.log( logs=dict( float_test=np.random.random(), int_test=np.random.randint(0,4), ), histograms=dict( actions=np.random.randint(0,3,size=np.random.randint(5,20)) ) )
インスタンス宣言時に，log_dir引数に保存先のディレクトリを指定します．
.log()関数により，好きな値を保存していくことができます．
あとは保存先のディレクトリをしていして，
tensorboardを起動させます．
これで，localhost:6006などに接続することで結果を確認することができます（Macだと127.0.0.1:6006かな）．
docker run --rm \ -p 6006:6006 \ -v ${LOG_DIR}:/logs \ -w /logs \ denden047/tensorboard \ tensorboard --logdir /logs
※接続先は，dockerの設定よって変わります．
サンプルのソースコードをまとめると，こんな感じです．
import numpy as np import tensorflow as tf class TensorBoardLogger(object): def __init__(self, log_dir, session=None): self.log_dir = log_dir self.writer = tf.summary.FileWriter(self.log_dir) self.episode = 0 print('TensorBoardLogger started. Run `tensorboard --logdir={}` to visualize'.format(self.log_dir)) self.histograms = {} self.histogram_inputs = {} self.session = session or tf.get_default_session() or tf.Session() def log(self, logs={}, histograms={}): # scalar logging for name, value in logs.items(): summary = tf.Summary() summary_value = summary.value.add() summary_value.simple_value = value summary_value.tag = name self.writer.add_summary(summary, self.episode) # histograms for name, value in histograms.items(): if name not in self.histograms: self.histogram_inputs[name] = tf.Variable(value,validate_shape=False) self.histograms[name] = tf.summary.histogram(name, self.histogram_inputs[name]) input_tensor = self.histogram_inputs[name] summary = self.histograms[name] summary_str = summary.eval(session=self.session, feed_dict={input_tensor.name:value}) self.writer.add_summary(summary_str, self.episode) self.writer.flush() self.episode += 1 logger = TensorBoardLogger(log_dir='/tmp/test') for i in range(10): logger.log( logs=dict( float_test=np.random.random(), int_test=np.random.randint(0,4), ), histograms=dict( actions=np.random.randint(0,3,size=np.random.randint(5,20)) ) )
