{“version”: 2, “isGlobalStylesUserThemeJSON”: true }

カメラのレンズ選びをするときは、やっぱり、そのレンズで撮影された写真を見て、気に入るかどうかが大事。
世の中には、MTF曲線を見て、周辺光量低下のグラフを見て。。。なんていう選び方をしている人もいるみたいだけど、意味が分からない。

カメラ雑誌とか、カメラレビューサイトとかの作例を見るのもいいんだけど、それ以外だと、flickr でレンズ名で検索するというのが一番、質・量的にも早い気がする。

検索のコツとしては、まずはレンズ名で検索して、その後、検索された写真の情報を見ていると、そのレンズのファン コミュニティ グループがあったりするので、今度は、そのグループを表示すると、ほとんどはそのレンズの作例(違うこともあるが)なので、楽。

レンズ探し中の人はお試しあれ。

先日、実家に置きっ放しだった古い機材を処分して、新しいデジカメを買った。
処分したのは、持っているだけでほとんど使うことのない、 Super Angulon 21/3.4(M) 、 DR Summicron 50/2 や、ヤシカコンタックスの Distagon 25/2.8, 同 35/2.8, Planar 50/1.4, Planar 85/1.4, エギザクタマウントの Angenieux 35/2.5 あたり。 他にニコン F4 とか D2X とか、そのあたり。

レンズ群は高価な買い取りを期待したが、コンディション悪く、ぼろくそな評価に。。。 なんとか食い下がって交渉して、予想額の9割程度に納めた感じ。

まあ、SA21 と DRズミは剥離があったし、ヤシコン・アンジェニューは曇ってたし、ニコンはガラクタだし。そんな感じ。

で、下取り購入したのが、ソニーの α7II レンズキットと、ライカMマウントレンズをAF化できるというマウントアダプターの TECHART LM-EA7 。

デジカメの購入は久しぶりだったので、AFと高感度の性能、画質に驚き。
これでも数年前に発表されたエントリー機なんだから恐れ入る。
(新型は高かったので。。。1000万画素でもいい人だし)

マウントアダプタは、本当にAFで動作するし、手ぶれ補正も効く。 本来のライカでは不可能な領域のマクロ撮影も出来るし、本当に凄い。 Summicron 35/2 一本つけて、スナップから、食事の記録、小物の撮影まで全部こなせてしまう。 もちろんマクロレンズがあった方がモアベターだが、ベースレンズがいいので近接も割といい。

また、カメラを持ち歩くライフスタイルが復活しそう。

TECHART LM-EA7 についての Impress Watch の記事

https://dc.watch.impress.co.jp/docs/review/special/755017.html

a7II, Nokton Classic 40/1.4

a7II, Nokton Classic 40/1.4

a7II, Summicron 35/2 (7 elm.)

a7II, Summicron 35/2 (7 elm.)

最近、テキストエディタを Atom から Visual Studio Code に乗り換えた。 やっぱり起動が速くないとダメなんだなあ。。。 全然カスタマイズしなくても、普通に使えるので、あまりネタは無い。 Mac でも Windows でも同じように使えるのは凄いね。

と、これだけ書きたかったんだけど、久しぶりの更新なので、今まで使ったエディタを振り返ってみる。

VZ Editor (MS-DOS)
書いていて懐かしいが、アセンブラで書かれた超高速エディタ。 Mifes 派もいたけど、速さが大事だった。 大きなファイルが扱えなかったが、アセムでこれだけ書いたんだから、そのくらいしょうがないよねと思って使っていた。

秀丸エディタ (Windows)
それほど、秀丸信者ではないけど一応、正規で持っていた。ライセンスキーこれかよ。。と思ったのは当時の人はみんな思ったやつ。 なんだかんだ安定していたし、MS932 の世界で使っている分には何の問題も無かった。

サクラエディタ (Windows)
秀丸からの乗り換えで使っていた。ちょっと秀丸では出来ないことが出来たりするのが良かったが、こなれ感は秀丸の方がいいなと思いつつ使っていた。

Vim (Windows / Mac / Linux / UNIX)
Windows でも一時的に使っていたこともあったが、結局あまり使わなかった。
Unix / Linux 系では主力かつ現役。 Emacs は小指がつるのであまり使わなかった。

Atom (Windows / Mac)
使いやすかったが、重かった。。。速さ以外は気に入っていたので、無理して使っていたが、やっぱりストレスがあったなあ。

名前も思い出せないようなエディタたち (Mac)
総じて Mac 用のエディタはロクなのがなかったように記憶している。 特に OS 9 までは OS 自体も使う気がおきなかったし、OS X 以降も、結局 Terminal で vi 使ってたような気がする。 Atom までは Xcode のエディタがその中でもマシな方だった。

ちなみに、Microsoft 系の言語の場合は、Visual Studio をおとなしく使っていた。VC の時だけ エディタで、cl か make でビルドとかはやってたけど。

Java 使ってたときは NetBeans 使ってたこともあるけど、結局 エディタに戻った。

VSCode はしばらく使えそうな気がする。

久しぶりの更新で、唐突にマニアックなネタ (笑)

生きていると、たまに音楽もどきを作ってみたくなることがあり、音楽制作系アプリを入れてみることがある。

年末のセールで Korg の iOS 用のシンセサイザーアプリが安かったので、Gadget をインストールしてみた。 Korg は大盤振る舞いで、このライセンスには Ableton Live Lite がついていたので、Windows に Live Lite をインストールし、MP3 を張り付けて、適当に切り貼り音楽を作ったりしている。

Live の内蔵音源も使えはするが、Korg はさすがに専業でキャラが立った音を出してくれるので、iOS 上の Gadget を鳴らしてみたくなり、表題のようなことを試してみたくなった。

ちなみに、こんなことをしなくても、Gadget 上でトラックを作成して、Live にエクスポートして、Dropbox 経由で PC の Live にトラックを持ってこれる。
なんとなく、コネクティビティを試してみたくなったという話。

なお、めんどくさがりなので、スクリーンショットなどはない。

Bluetooth MIDI (BLE MIDI)はネタがたくさんあるようなので、WiFi か USB で繋げるという渋い方法を選んでみた。 多分、BLE MIDI よりこっちのほうが安定しているし、iPhone 付属の Lightning ケーブル一本で給電しながらできるので、楽。

なお、Windows 10 (バージョン1803)、iOS 12.1、iPhone 6s で確認。

Windows に rtpMIDI をセットアップ
Bonjour が必要なので、事前に iTunes も入れておく

USB 接続の場合は、PC と iPhone を USB ケーブルでつなぐ。「信頼」はしておく。

iPhone を テザリングモード(設定 - インターネット共有)にして、Windows と接続
WiFi で接続している事例が多いが、USB でもいいようだ。
普通に WiFi の同じネットワークに参加する方法もあるようだが、
あまり安定せず使いにくい印象。テザリングモードにして、iPhone と
PC だけの小さなネットワークを作った方が安定する。
WiFi よりも USB の方がレイテンシも短く、給電もできるので楽な印象。

Windows の ネットワークとインターネットの設定から、iPhone の名前を選んで
接続。 プライベートネットワーク(信頼できるネットワーク/発見可能という方)を選択。

rtpMIDIを起動して
MySessions の 下の [+] をクリックして
右上の Enabled にチェック

ここで、iPhone 上の Network MIDI 対応アプリを起動

Directory の項目に iPhone の名前が出ているので、Connect をクリックして
Participants の中に出るようにする
(WiFiだとなかなか表示されなかったりするので、テザリングのほうが安定)

Live を起動
オプション - 環境設定 - Link MIDI の中で
MySession の名前で出ていると思うので、in と out の トラックと同期をオン

適当な MIDI トラックを作り
Output のところを MySession の名前にする
Live の入力を iPhone にスルーしたい場合は [In] [Auto] [Off] の設定を [In] にする
トラックの内容を iPhone で鳴らす場合は [Auto] にする

こんな感じでできる。 多分 他の DAW でもできるはず。

iPhone 側のアプリは Garageband, iElectribe, iMPC PRO 2 などでも動くようだ。

参考リンク

rtpMIDI
https://www.tobias-erichsen.de/software/rtpmidi.html
「SOUND Canvas for iOS」を試す！SC-88Pro（ハチプロ）がiOSで復活 https://info.shimamura.co.jp/digital/review/2015/01/43272
iMPC pro2 と MPD218 設定方法法
http://blaq.hatenablog.com/entry/2018/05/14/074338

久しぶりの更新。。。 ちょっとしたものを聞くのに、iPhone のスピーカーは貧弱だし、イヤホン、ヘッドホンもかったるく思えることがあるので、ワイヤレスのポータブルスピーカーを物色。 最近、風邪を引いてしまって、家電量販店での試聴ができなかったので、Youtube で、色々検索。 探しているうちに “binaural comparison” というキーワードで探すと、バイノーラル録音(人間の耳の位置にマイクを置いて録音する方法)で、各種のスピーカーをレビューしている動画を多数発見し、iPhone の付属ヘッドフォン (解像度は低いが、特性的にはいいと思う) で色々聞き比べたところ、Bang & Olufsen の Beoplay A2 が良さそうと言うことになった。 Amazon で旧型が安かったので、旧型をゲット。25000円くらい。 ちと高いが、私はドンシャリ音が嫌いなので、大人っぽいバランス良い音で聴かせるタイプがいいし、BGM 目的なので解像度が高すぎて疲れるのもよろしくない、で、Bluetooth 接続なんだけど、出来れば AAC が使えた方が音質がいいし、邪魔にならないデザイン、そして、音量調整が細かく出来ること。という点でこれになった。 ワイヤレススピーカーでありがちなのが、最小ボリュームがすでに大きかったり、刻みが荒くて、丁度いい音量にならなかったりとかがあって、今までも3つくらい買ったが不満があった。今回のこれは、そうした点も良く出来ていて、さすが Bang & Olufsen だなあと。 ちなみに、人生初バング＆オルフセン。 正直、くそ高いばかりで音は微妙という印象があったのだが、自分も大人になって、音作りの面ではそれなりにこだわっていることが理解できたし、このサイズに対して、あり得ないような大型ドライバ※を入れてるところなんかは軽く狂気を感じたりして、色眼鏡だったのかな? と今では思う。(それでも、コストパフォーマンスは決していいとは思わないけれど) ※ 3インチフルレンジ x 2, 3/4インチツィーター x 2, 3インチパッシブラジエター x 2, D級バイアンプ駆動 今回は、セカンドラインの “B&O” (Margaret Howellに対するMHLみたいな)だけど、いつかは “Bang & Olufsen” 欲しいな。。。と思いました。

最近、また PC ゲームをやり始めた。 好きなジャンル的には、ウォーシミュレーションゲームと、車の運転や飛行機の操縦などのシミュレーションが好き。 昔は、シューティングや格ゲーや、RPGもやったけど、シューティングや格ゲーはもう反射神経が追いつかないし、RPGはまとまった時間が取れない。 で、大体1～2時間くらいでひと区切りできるゲームをやっている。 ウォーシミュレーションは、ルールがリアルなターン制のHEXものが好きなのだが、国産のやつはどれも好みじゃない。 ギャル絵とかも嫌い。 陸戦ものだと、少し古いが Steel Panthers: World at War (SPWaW)シリーズの winSPWW2 あたりをやっている。 SPWW2はフリー版で十分だが、製品版も持っていたりする。 思いっきり英語版だが、ネット上の日本語情報も多いので、さして問題ない。 砲撃を受けたりすると兵士の士気がガタ落ちしたり、逃げ出したり(壊走)するので、大戦略なんかよりはよっぽどリアルで面白い。 また、いわゆる戦術級から作戦級のあいだくらいで、戦略要素はないところもいい。 補給の要素が入ってくると、なんだか仕事みたいになってあまり面白くない。 日本人は個人でゲームをやるときでも、変に見栄をはって「俺は戦略をやっているんだ」というキーワードに引っ張られて、面白くもないことばかりするゲームが多い気がする。それとも、小役人みたいなタイプが多いから、ロジスティクスや生産ばっかりやっているのが楽しいんだろうか? もう少し時間があるときは、海戦ものの War in the Pacific Admirals Edition なんかをやっている。 主に太平洋戦争を扱ったもので、ルールの細かさとスケールの大きさが売り。 ただし、キャンペーンシナリオをやると半年くらいかかる代物なので、珊瑚海のショートシナリオのみ。(2時間くらい) こっちは戦略ものなので、補給とか生産とかも出てくるが、ルーチン輸送の設定とかが豊富にあるので、たまに確認する程度で良かったりする。もっとも、最長で半年分くらいしかプレイしたことがないので、長期でやった場合のことはよくわからない。 ショートシナリオだけでも結構楽しめるので、まあ、満足感は高い。 どちらも、圧倒的に勝利するのは難しいが、少しでもベターな選択が出来ただろうか? ということに面白みを感じられる人にはいい。 (なかなか、大人にならないとこういうのは難しい…) 血なまぐさい戦争ゲームが嫌なときは、フライトシミュレーターで、のんびり空を飛ぶのがいい。 昔は、Microsoft Flight Simulator が好きだったが、今は、X-Plane というのをやっている。 もはや、ゲームと言うよりも、精巧なシミュレーター (戦闘機とかはゲームっぽい要素もあるけど) なので、色々、無線でのナビゲーションとか、操縦に関する色々とかを勉強しないといけないような代物だが、もともと調べたり勉強したりするのは好きなので、それもまた楽しい。 SkyVector というサイトを見ながら、フライトプランを立てるのも楽しい。 時間の空いたときは、ハワイ上空をのんびりフライトしている。 iPhone / iPad 版も無料であるので、興味があれば是非。   どれもこれも、クソ面倒くさいゲームばかりなのが、性格出るねw

最近、ディープラーニングを勉強したこともあり、ちょっとしたプログラミングには Python を使うことが多くなった。 古い人間なので、普段は シェルスクリプトと awk を使うことが多かったし、今でも使うけど、Python のライブラリの強力さには魅力を感じている。 Pandas とか Numpy とか Matplotlib とか強力すぎ。 awk は、もう仕様を丸暗記に近いレベルで覚えているので、何も見ずに書けるから早い。 その成立に、敬愛する B.W.Kernighan が関わっているのもいい。 ライブラリとか、言語拡張の類が全く無いので、テキスト処理にしか使えないが。 Perl は chop が便利だったけど、普段使いにはならなかった。 Ruby は日本発なのが良かったし、機能も申し分なかったが、何か馴染めなかった。 Javascript (Node.js) は、たまに使っている。 多少本格的なのを組むことになったら、昔は Java だったけど、今は何になるんだろうな。。。多分組まないけど(笑) サーバーっぽいのだったら、Node.js かな。

以前のネタの続き。 Deep Learning を学ぶにあたって、フロントを Keras 、バックエンドに TensorFlow を使っていたんだけど、Keras はバックエンドに、TensorFlow 以外にも、Theano と Microsoft の CNTK を使うことが出来ることに気づいた。 Theano は試してみたけど、Windows だと gcc を入れたりとか、数値演算のライブラリのセットアップがかなり面倒な上に、実行時に毎回 g++ だかのビルドが入るので、パフォーマンス的には微妙だった。 CPU使用で、はまると速い感じはしたが、積極的に使いたい感じではなかった。 CNTK は Microsoft 製だが GitHub で公開されていたり、Linux 版があったり、ライセンスがおおむねMITだったりとか、最近頑張ってるなあという印象。 インストールも`pip install whlへのURL` とするだけで簡単だった。 Keras の設定は `C:\Users\ユーザ名\.keras\keras.json` ファイルの

1
2
3
4
5
6
7

{
    "image_data_format": "channels_last",
    "epsilon": 1e-07,
    "floatx": "float32",
    "backend": "tensorflow"
}

`tensorflow` となっているところを `cntk` に書き換えれば OK。 バックエンドを切り替えるだけなので、Keras 用に書かれた Python のソースは変更する必要は無い。 で、サンプルの実行だが、サンプルにもよるが、全体的に TensorFlow よりも高速に感じられる。 CPUのみだと、逆に遅いケースもあるようだ。 Surface Book での GPU 使用だが、CUDA と CuDNN が入っていれば、何も考えなくても使ってくれる。 使用中の様子は `nvidia-smi.exe -l` で確認できる。 TensorFlow の場合は、多少メモリ効率が悪くて、パフォーマンスが出なくても、なんとか GPU で動かしてくれる感じだったが、CNTK の場合は、テストバッチがメモリに収まりきれないと、簡単にエラーで止まってしまう仕様のように見える。 結果的に、バッチサイズやネットワークの深さの調整が必要になったりするが、GPU を使っているのにパフォーマンスが出ないケースが否が応でも排除されてしまうので、開発の時間効率はかえって良いのではないかと思う。 ということで、CNTK に乗り換えて、結構快適になった。

Raspberry Pi で Deep Learning 用のライブラリの TensofFlow をインストールする話。 Deep Learning というと、GPU 演算したりとか、もの凄く重い処理というイメージだし、実際重い。 なので、あまり Raspberry Pi 向きの話ではないが、学習済みのデータを読み込んで、予測を走らせたりするくらいならば十分出来る印象。 実際、学習の処理を走らせてみても 4コアの Raspberry Pi 3B ならば、GPU 無しで、ちょっと古めの i7 との性能比で 1/2～1/4 くらいの性能。 遅いといっても、3倍くらいで、10倍とかそういう話ではないので、低電力でのんびり走らせるのであれば、使えなくはない。 大昔 UNIX ワークステーションで、glibc のコンパイルを始めたら、半日かかったとか、そういう時代からすれば、5000円でスーパーコンピューターが買えているようなもので、凄い時代だよなあと。。。(歳バレネタ) で、インストール手順なのだが、正直、このサイトにバッチリ書いてあるので、あえて、語るほどでもない(笑) https://github.com/samjabrahams/tensorflow-on-raspberry-pi しかし、深層学習。 なかなか難しい。正直、中身に関しては、よくわからない。 細かいところは正直、理解できる気がしないので、回帰分析の一種という大雑把なとらえ方で考えている。 でも、色々なアルゴリズムを組み合わせて、階層をつくって、データーを食わせてやると、確かに重みとバイアスの学習が行われて、値が収束していくのが分かる。 この、値の収束の仕方とか、学習結果から予想されるデータをグラフで見たりとかで、感覚に近いかどうか？ で判断してみたりしている。 まあ、遊びだからこんな感じでいいのだ。 TensorFlow はそのまま使うと、結構頭を使うというか、解析モデルが分かってないと出来ないので、実際はラッパーライブラリを使っている。 最初は tflearn というのを使っていたが、今は Keras というライブラリを使っている。 Keras の方が全然早いしわかりやすかった。 あー、ネット上でも、こんなにフワフワな深層学習ネタはあまりなさそう(笑) 大体、数式を真面目に読まずにやってるんだから、こんな感じにしか書けない。 偏微分とか、思い出せないよ… デタラメなニュース記事よりかはマシかなと思っていただければ幸い。 Deep Learning のとっかかりとしては、下の2冊がお勧め。 実際動かす話だと、詳解～の方が早いが、オライリーの方が理論については読みやすい。