Subscribed unsubscribe Subscribe Subscribe

Linux Apaheのインストール

Ubuntu にApache2をインストールします。目的は、pythonCGIを作るためです。

 

まずは、Apacheをインストールします。

sudo apt-get install apache2

ついでにDeveloperツールもインストールします。

sudo apt-get install apache2-dev

 

今回の目的であるmod_wsgiをインストールします。

1
sudo pip install mod_wsgi
 
 
 

動作確認するために、mod_wsgi-express start-server

で確認。

$ mod_wsgi-express start-server
Server URL : http://localhost:8000/
Server Root : /tmp/mod_wsgi-localhost:8000:1000
Server Conf : /tmp/mod_wsgi-localhost:8000:1000/httpd.conf
Error Log File : /tmp/mod_wsgi-localhost:8000:1000/error_log (warn)
Request Capacity : 5 (1 process * 5 threads)
Request Timeout : 60 (seconds)
Startup Timeout : 15 (seconds)
Queue Backlog : 100 (connections)
Queue Timeout : 45 (seconds)
Server Capacity : 20 (event/worker), 20 (prefork)
Server Backlog : 500 (connections)
Locale Setting : en_US.UTF-8

 

起動方法

まずは既存のApacheを停止

/etc/init.d/apache2 stop

  sudo mod_wsgi-express start-server --port 80 --user fujimo --group fujimo

 で起動ができました。

 

 

 

Pythonメモ

PythonSSHするためには、Paramikoをインストールする必要ある。

インターネットで調べると、

 

$ echo "paramiko" >> requirements.txt
$ pip install -r requirements.txt

でインストールと書いているが、その前に、

sudo apt-get install build-essential libssl-dev libffi-dev python-dev
pip install cryptography

を入れる必要あり。

UPtimeを表示するプログラムは、

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import getpass
import paramiko

server = "localhost"
username = "fujimoto"
password = "xxxxxx"

t = paramiko.Transport*1
try:
t.connect(username=username, password=password, hostkey=None)
except:
t.close()
raise SystemExit("Bad username or password.")

ch = t.open_channel(kind="session")
ch.exec_command("uptime")
if ch.recv_ready:
print(server + ": " + ch.recv(1000))

 

t.close()

 

 

 

*1:server, 22

Remove all ads

行列の積のメモ

行列の(一般的な)積:
行列 A=(aij),B=(bij) に対してその積 AB
C=(cij) ただし, cij=k=1naikbkj
で定義する。ただし,A の列数と B の行数(=n とおく)が一致しているときのみ積 AB は定義される。

 

http://mathtrain.jp/matrixproduct

AIシステム

  • コンポーネントのまとめ
  • Linuxサーバ:Ubuntu
  • DISK:2TBytes
  • Webサーバ:Apache
  • AI:Tensorflow
  • DB

 

大まかな仕組み

    GogoleのAPIを使って画像を収集するコンポ―ネントである。

    TensorflowのAPIを利用して、画像分析、どの分類に入るかを計算する。

    人がApacheのWebサーバにアクセスする。

   画像が出てきて、人とComputerとで判定する。

   人が判定した画像は、MacheineLeagingに保管して、

   再度、学習をする。

   また、人が判定したものに対して、Computerが判定して、

   正解をだす。

 

Remove all ads

Androidのアプリケーションのアイディア

迷子アプリ

・GPSで10分おきに、場所がわかる

・決めた範囲より超えたら、メールがくる。

・チャットができる。

 

 

レストランのオーダーシステム

・自席で注文できるようにする。

 

オセロ

・DeepLearingを利用するオセロ

 

DeepLeaningシステム

・Yes,Noをどんどんためていくシステム

 

tensor flow tutorial

tensor flowにて、tutorialを実施

以下のプログラミングで、実行すると、

認識率84%の結果が出てきた。次のStepにも行きたい。

 

fujimoto@fujimoto-VirtualBox:~$ sudo python ./test2
Extracting MNIST_data/train-images-idx3-ubyte.gz
Extracting MNIST_data/train-labels-idx1-ubyte.gz
Extracting MNIST_data/t10k-images-idx3-ubyte.gz
Extracting MNIST_data/t10k-labels-idx1-ubyte.gz
0.8446
fujimoto@fujimoto-VirtualBox:~$

 

 

$ cat test2
import tensorflow.examples.tutorials.mnist.input_data
import tensorflow.examples.tutorials.mnist.input_data as input_data


import tensorflow as tf

mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
sess = tf.InteractiveSession()

x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])

W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

sess.run(tf.initialize_all_variables())
y = tf.nn.softmax(tf.matmul(x,W) + b)
cross_entropy = -tf.reduce_sum(y_*tf.log(y))

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

for i in range(30):
batch = mnist.train.next_batch(50)
train_step.run(feed_dict={x: batch[0], y_: batch[1]})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels})

fujimoto@fujimoto-VirtualBox:~$

AIについて

最近AIを勉強中。

とりあえず、TensorFlowをインストールして、Tutorialは動かした。

 

今後は、

とする。

 

 

現在のチュートリアルは、

-------------------------------------------------------------------------------------------------------

import tensorflow.examples.tutorials.mnist.input_data
import tensorflow.examples.tutorials.mnist.input_data as input_data


import tensorflow as tf

mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
sess = tf.InteractiveSession()

x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])

W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

sess.run(tf.initialize_all_variables())
y = tf.nn.softmax(tf.matmul(x,W) + b)
cross_entropy = -tf.reduce_sum(y_*tf.log(y))

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

for i in range(30):
batch = mnist.train.next_batch(50)
train_step.run(feed_dict={x: batch[0], y_: batch[1]})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels})

Remove all ads