2020-08-30

「世界標準の経営理論」が良い

書評経営

はじめに

めっちゃ売れてる「世界標準の経営理論」を購入しました。

自分も社会人の端くれ、企業に所属している以上はビジネス書などはつまみ食いします。（ドラッカーやコトラー、大学4年間の○○が10時間でわかるシリーズなど）

自分は、売れているビジネス書というと、分かりやすいように書かれている反面、耳障りのいい言葉を言っていて内容が浅いのでは？　という勝手に思っており、敬遠している逆張りのオタクなんですが、この本はとても面白いです。

ひとまず経済学ディシプリン経営理論（経済学分野から派生した経営理論）の2部までよみました。

この記事では、自分がこの本は面白いと判断した、序章について語りたいと思います。

2020-08-30

wsl2を入れてdockerをインストールする

WSL docker

はじめに

ドライバの関係でOSの更新ができなかったのですが、ついにwindows 10 version 2004にしました。

そのため、Windows Subsystem for Linux 2(WSL2)を入れて、dockerをインストールしたいと思います。

WSL2のインストール

主な手順は以下をそのままやれば良かったです。

docs.microsoft.com

ただ、途中で以下のようなエラーが出ました

> wsl --set-default-version 2
Error: 0x1bc

これは、msのgithubにもissue があり、以下の方法でwsl2 kernelをupdateすればよかったです。

docs.microsoft.com

そして、手順通り、windows storeからubuntuのイメージを手に入れれば完了です。

dockerのインストール

これもめちゃくちゃ簡単で、docker desktopをインストールするだけです。

docs.docker.com

そうすれば、powershellから普通にアクセスできます。

おわり

2020-08-26

InceptionV3をfine-tuningしてクリクリ画像分類器を作り、streamlitでwebアプリを作る

Python 機械学習作ってみた Google Colaboratory

題名の通り。 streamlitとkerasで遊んだ。

動画デモ:

アップしたクリクリ画像を機械学習モデルで分類するのをstreamlitで作ったりして遊びました pic.twitter.com/77TJ7O9SXx
— いりす (@irisuinwl) 2020年8月25日

環境情報

機械学習モデル作成環境: google colaboratory
web app環境: windows 10+anaconda

InceptionV3をファインチューニングする

下記google colabにて実施。

colab.research.google.com

streamlitでwebアプリを作る

下記githubにコードを格納

github.com

WIP: deployしたり、精度あげたり

詰まったところ:

anacondaでconda install tensorflow-gpu kerasすると、tf 2.1.0がインストールされるが、windows環境ではAttributeError: ‘_thread._local’ object has no attribute 'value’というエラーが出る。

実際、下記のissueでも議論されている。

discuss.streamlit.io

github.com

ググると、「tf 1.xに下げろ」という方法が散見されるが、google colabのtfは2.x系なので抵抗がある、また、やっても失敗したので下記のように対応した。

AttributeError: ‘_thread._local’ object has no attribute 'value’の対処は下記を追加

import keras.backend.tensorflow_backend as tb

tb._SYMBOLIC_SCOPE.value = True
st.set_option('deprecation.showfileUploaderEncoding', False)

さらにValueError: Cannot create an execution function which is comprised of elements from multiple graphs.というエラーが出るが、

これはkerasからインポートしているモデル構築モジュールをtensorflow.kerasにして対処。

InceptionV3の場合は下記のようにimport文を変更して対処した。

from tensorflow.keras.applications.inception_v3 import InceptionV3
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Dense, GlobalAveragePooling2D
from tensorflow.keras import backend as K
from tensorflow.keras.optimizers import SGD

イベント発火時（画像をアップロードしたりチェックボックス操作時など）にstreamlitのコードは再実行される。

そのため、機械学習モデルの再構築を再読み込みが行われて時間がかかる。

これはstreamlitのyoloを使った物体認識webアプリのチュートリアルに、機械学習モデル読み込み時にcacheを使って対処している。

@st.cache(allow_output_mutation=True)
def load_inception_v3(weight_path: str):
    """
    指定パスからパラメータ重みを読込、InceptionV3をfine-tuningしたモデルをloadする。
    """

    ...

    model.load_weights(weight_path)

    return model