直接"/home/ユーザ名/.ssh/known_hosts"を編集してもよいのですが、今回コマンドでやってみましたのでメモしておきます。
$ ssh-keygen -F ホスト名
$ ssh-keygen -R ホスト名
-Fオプションは確認、-Rオプションで削除できました。
参考
PRiMENON:DiARY「[Ubuntu]ssh 接続しようとすると「WARNING: REMOTE HOST IDENTIFICATION HAS CHANGED!」が表示されるときは」
ev3にpip3の入れ方
sudo apt-get install curl
curl -kL https://bootstrap.pypa.io/get-pip.py | sudo python
エラーの場合
apt get update
してみるといいかも
ssh接続エラーの場合
$ ssh-keygen -F ホスト名
$ ssh-keygen -R ホスト名
python等でプロジェクトごとに環境構築する
prenvを用いた環境構築
prenv install
sudo git clone git://github.com/yyuu/pyenv.git ./pyenv
pathの設定
export PYENV_ROOT=$HOME/.pyenv export PATH=$PYENV_ROOT/bin:$PATH eval "$(pyenv init -)"
pythonバージョン指定したインストール
pyenv install 3.6.1
で現在使っているバージョンとインストールされているバージョンを確認できる。
あとは、ローカルだったり、グローバルだったり、お好みにpythonのバージョンの設定を行うだけ。
今回は全てのディレクトリにおいて、2.7.9を使うようにします。
でOK。
pip install インストール先指定 方法
pip install --install-option="--install-scripts=/home/kobayashi/.prenv/versions/3.6.1/lib/python3.6/site-packages" keras
# pyenv-virtualenvのインストール。 $ git clone https://github.com/yyuu/pyenv-virtualenv.git ~/.pyenv/plugins/pyenv-virtualenv # .xxxrcに初期設定を追記する # 何故evalを使っているのか、オプションの`-`ってなんだ、と疑問に思ったのでスタックオーバーフローで質問してみました。 # http://ja.stackoverflow.com/questions/32043/xxxenv-の初期化時のeval-xxxenv-init-の意味 vi ~/.bashrc eval "$(pyenv virtualenv-init -)" # pyenv virtualenv にPythonバージョンと仮想化環境を識別する任意の名称(tag)を指定します。 $ pyenv virtualenv <pyversion> <tag> # するとそれに対応するsite-packagesディレクトリが生成されます Requirement already satisfied: setuptools in /home/vagrant/.pyenv/versions/<pyversion>/envs/<tag>/lib/python<X.Y>/site-packages Requirement already satisfied: pip in /home/vagrant/.pyenv/versions/<pyversion>/envs/<tag>/lib/python<X.Y>/site-packages # 作成した仮想環境はversionsから確認できます。 $ pyenv versions system 3.5.3/envs/virtual-3.5.3 # << この二つは多分同じ virtual-3.5.3 # << # 作成したタグ名をactivateサブコマンドに指定すると、仮想環境が有効になります。 $ pyenv activate <tag> # こんな感じでシェルのプロンプトの左にタグ名が表示されるはず (<tag>)$ # 仮想環境を終了するにはdiactivateを実行します。 $ pyenv diactivate # 通常のpyenvと同様にディレクトリローカルのvirtualenvも作成できます。 # アプリケーション開発プロジェクトのルートディレクトリに対して、pyenv localを # 指定しておくとよいでしょう。 $ pyenv local <tag>
仮想環境有効
$ pyenv activate <tag>
データセット
GitHub - spMohanty/PlantVillage-Dataset
参考
結果
step 100
step 29900
病害葉画像版
病名:ceder rust
step 29900
病名:scab
step 29900
考察
葉に見えないことはない。
しかし、病害ごとの画像は病害見えるのはかなり難しい。
・パラメータの設定の調整
・step数の増減
・データ数の増加
の検討が必要あるかも
回帰問題とは
数値を予測する問題です.学習時に入力データと出力データの組み合わせから対応する規則を学び,未知の入力データに対しても適切な出力を生成できるようにするもの.
つまり,入力と出力の関係(関数)を推定し,近似する問題と言える.
線形回帰
直線的な関係を推定する回帰.
のような式に対し,を求める問題として定式化される.
非線形回帰
正答率(Accuracy)
適合率(Precision)
再現率(Recall)
F値(F-measure)
混同行列(Confusion Matrix)
#metrics.accuracy_score(test_target, predicted) print('accuracy:/n', metrics.accuracy_score(expected, predicted)) #metrics.precision_score(test_target, predicted, pos_label=#) print('Precision:/n', metrics.precision_score(expected, predicted, pos_label=3)) [http://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html:title] print('F1:/n', metrics.f1_score(expected, predicted, pos_label=3)) [http://scikit-learn.org/stable/modules/generated/sklearn.metrics.recall_score.html#sklearn.metrics.recall_score:title] print('Recall:/n', metrics.recall_score(expected, predicted, pos_label=3)) [http://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html:title] print('Confusion_matrix:/n', metrics.confusion_matrix(expected, predicted))
参照:
情報検索の評価についてメモ(適合率,再現率,F値)siguniang.wordpress.com
from sklearn.metrics import classification_report print classification_report(label_test, predict) precision recall f1-score support 0 1.00 0.98 0.99 47 1 0.91 0.85 0.88 47 2 1.00 0.98 0.99 45 3 0.94 1.00 0.97 46 4 0.98 0.98 0.98 49 5 0.90 0.98 0.94 54 6 0.93 0.95 0.94 39 7 1.00 0.98 0.99 41 8 0.85 0.90 0.88 39 9 0.97 0.86 0.91 43 avg / total 0.95 0.95 0.95 450