質問編集履歴
6
自己解決したかもしれない。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -765,3 +765,11 @@
|
|
|
765
765
|
というか、冷静に見てみたらこれ、たぶんdiffの閾値の設定ミスですかね。
|
|
766
766
|
|
|
767
767
|
resizeする大きさを変えたから、閾値のバランスがずれたんですか。
|
|
768
|
+
|
|
769
|
+
|
|
770
|
+
|
|
771
|
+
また、よく考えたらこれ、同じデータ使うわけだから、outdatalist作る必要ありませんね・・・
|
|
772
|
+
|
|
773
|
+
trainingdatalist回せばいいだけだし・・・。
|
|
774
|
+
|
|
775
|
+
training使うようにしたら今のところエラーはなくなり、数値も異なった値が出るようになりました。
|
5
気づいた事。たぶん正解。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -759,3 +759,9 @@
|
|
|
759
759
|
|
|
760
760
|
|
|
761
761
|
回答を受けて、typeの値を出力しました、どうすれば良いのでしょうか・・・。
|
|
762
|
+
|
|
763
|
+
|
|
764
|
+
|
|
765
|
+
というか、冷静に見てみたらこれ、たぶんdiffの閾値の設定ミスですかね。
|
|
766
|
+
|
|
767
|
+
resizeする大きさを変えたから、閾値のバランスがずれたんですか。
|
4
補足しました。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -66,66 +66,26 @@
|
|
|
66
66
|
|
|
67
67
|
print("out_img" ,out_img[0][2])
|
|
68
68
|
|
|
69
|
-
print("out_img" ,out_img[0][3])
|
|
70
|
-
|
|
71
|
-
print("out_img" ,out_img[1][1])
|
|
72
|
-
|
|
73
|
-
print("out_img" ,out_img[1][2])
|
|
74
|
-
|
|
75
|
-
print("out_img" ,out_img[1][3])
|
|
76
|
-
|
|
77
|
-
print("out_img" ,out_img[2][1])
|
|
78
|
-
|
|
79
|
-
print("out_img" ,out_img[2][2])
|
|
80
|
-
|
|
81
|
-
print("out_img" ,out_img[2][3])
|
|
82
|
-
|
|
83
|
-
print("out_img" ,out_img[3][1])
|
|
84
|
-
|
|
85
|
-
print("out_img" ,out_img[3][2])
|
|
86
|
-
|
|
87
|
-
print("out_img" ,out_img[3][3])
|
|
88
|
-
|
|
89
|
-
print("out_img" ,out_img[4][1])
|
|
90
|
-
|
|
91
|
-
print("out_img" ,out_img[4][2])
|
|
92
|
-
|
|
93
|
-
print("out_img" ,out_img[4][3])
|
|
94
|
-
|
|
95
|
-
print("out_img" ,out_img[5][1])
|
|
96
|
-
|
|
97
|
-
print("out_img" ,out_img[5][2])
|
|
98
|
-
|
|
99
69
|
print("out_img" ,out_img[5][3])
|
|
100
70
|
|
|
101
71
|
print("out_img" ,out_img[0])
|
|
102
72
|
|
|
103
|
-
print("out_img" ,out_img[1])
|
|
104
|
-
|
|
105
|
-
print("out_img" ,out_img[2])
|
|
106
|
-
|
|
107
|
-
print("out_img" ,out_img[3])
|
|
108
|
-
|
|
109
|
-
print("out_img" ,out_img[5])
|
|
110
|
-
|
|
111
|
-
print("out_img" ,out_img[6])
|
|
112
|
-
|
|
113
|
-
print("out_img" ,out_img[7])
|
|
114
|
-
|
|
115
|
-
print("out_img" ,out_img[8])
|
|
116
|
-
|
|
117
73
|
print("out_img" ,out_img[10])
|
|
118
74
|
|
|
119
75
|
print("out_img" ,out_img[11])
|
|
120
76
|
|
|
121
|
-
print("out_img" ,out_img[21])
|
|
122
|
-
|
|
123
|
-
print("out_img" ,out_img[31])
|
|
124
|
-
|
|
125
77
|
print("out_img" ,out_img[41])
|
|
126
78
|
|
|
127
79
|
print("len(out_img)" ,len(out_img))
|
|
128
80
|
|
|
81
|
+
print("type(img)" ,type(img))
|
|
82
|
+
|
|
83
|
+
print("type(out_img)" ,type(out_img))
|
|
84
|
+
|
|
85
|
+
print("type(out_img[0])" ,type(out_img[0]))
|
|
86
|
+
|
|
87
|
+
print("type(out_img[0][0])" ,type(out_img[0][0]))
|
|
88
|
+
|
|
129
89
|
|
|
130
90
|
|
|
131
91
|
plt.figure(figsize=(100,100))
|
|
@@ -188,6 +148,14 @@
|
|
|
188
148
|
|
|
189
149
|
|
|
190
150
|
|
|
151
|
+
print(type(extract(out_img[i], 1)))
|
|
152
|
+
|
|
153
|
+
print(type(diff(extract(out_img[i], 1))))
|
|
154
|
+
|
|
155
|
+
print(type(out_img[0][0]))
|
|
156
|
+
|
|
157
|
+
|
|
158
|
+
|
|
191
159
|
# 見本データに対しても同様に
|
|
192
160
|
|
|
193
161
|
# exについて同様に
|
|
@@ -422,7 +390,9 @@
|
|
|
422
390
|
|
|
423
391
|
scoreboard_array = np.asarray(scoreboard)
|
|
424
392
|
|
|
425
|
-
print('performance: ', scoreboard_array.sum() / scoreboard_array.size)
|
|
393
|
+
print('performance: ', scoreboard_array.sum() / scoreboard_array.size)
|
|
394
|
+
|
|
395
|
+
```
|
|
426
396
|
|
|
427
397
|
|
|
428
398
|
|
|
@@ -450,204 +420,276 @@
|
|
|
450
420
|
|
|
451
421
|
[252 255 255]]
|
|
452
422
|
|
|
453
|
-
out_img [[2
|
|
454
|
-
|
|
455
|
-
[2
|
|
456
|
-
|
|
457
|
-
[2
|
|
458
|
-
|
|
459
|
-
[2
|
|
460
|
-
|
|
461
|
-
[2
|
|
462
|
-
|
|
463
|
-
out_img [[25
|
|
464
|
-
|
|
465
|
-
[255 255 255]
|
|
466
|
-
|
|
467
|
-
[255 255 255]
|
|
468
|
-
|
|
469
|
-
[255 255 255]
|
|
470
|
-
|
|
471
|
-
[255 255 255]]
|
|
423
|
+
out_img [[239 255 255]
|
|
424
|
+
|
|
425
|
+
[238 255 255]
|
|
426
|
+
|
|
427
|
+
[237 255 255]
|
|
428
|
+
|
|
429
|
+
[236 255 255]
|
|
430
|
+
|
|
431
|
+
[235 255 255]]
|
|
432
|
+
|
|
433
|
+
out_img [[[255 255 255]
|
|
434
|
+
|
|
435
|
+
[255 255 255]
|
|
436
|
+
|
|
437
|
+
[255 255 255]
|
|
438
|
+
|
|
439
|
+
[255 255 255]
|
|
440
|
+
|
|
441
|
+
[255 255 255]]
|
|
442
|
+
|
|
443
|
+
|
|
444
|
+
|
|
445
|
+
[[254 255 255]
|
|
446
|
+
|
|
447
|
+
[254 255 255]
|
|
448
|
+
|
|
449
|
+
[254 255 255]
|
|
450
|
+
|
|
451
|
+
[254 255 255]
|
|
452
|
+
|
|
453
|
+
[254 255 255]]
|
|
454
|
+
|
|
455
|
+
|
|
456
|
+
|
|
457
|
+
[[252 255 255]
|
|
458
|
+
|
|
459
|
+
[252 255 255]
|
|
460
|
+
|
|
461
|
+
[252 255 255]
|
|
462
|
+
|
|
463
|
+
[252 255 255]
|
|
464
|
+
|
|
465
|
+
[252 255 255]]
|
|
466
|
+
|
|
467
|
+
|
|
468
|
+
|
|
469
|
+
[[248 255 255]
|
|
470
|
+
|
|
471
|
+
[248 255 255]
|
|
472
|
+
|
|
473
|
+
[248 255 255]
|
|
474
|
+
|
|
475
|
+
[248 255 255]
|
|
476
|
+
|
|
477
|
+
[248 255 255]]
|
|
478
|
+
|
|
479
|
+
|
|
480
|
+
|
|
481
|
+
[[243 255 255]
|
|
482
|
+
|
|
483
|
+
[243 255 255]
|
|
484
|
+
|
|
485
|
+
[243 255 255]
|
|
486
|
+
|
|
487
|
+
[243 255 255]
|
|
488
|
+
|
|
489
|
+
[243 255 255]]]
|
|
490
|
+
|
|
491
|
+
out_img [[[240 255 255]
|
|
492
|
+
|
|
493
|
+
[238 252 255]
|
|
494
|
+
|
|
495
|
+
[234 245 255]
|
|
496
|
+
|
|
497
|
+
[226 235 254]
|
|
498
|
+
|
|
499
|
+
[213 219 242]]
|
|
500
|
+
|
|
501
|
+
|
|
502
|
+
|
|
503
|
+
[[239 255 255]
|
|
504
|
+
|
|
505
|
+
[237 252 255]
|
|
506
|
+
|
|
507
|
+
[233 244 255]
|
|
508
|
+
|
|
509
|
+
[225 234 254]
|
|
510
|
+
|
|
511
|
+
[212 219 241]]
|
|
512
|
+
|
|
513
|
+
|
|
514
|
+
|
|
515
|
+
[[238 254 255]
|
|
516
|
+
|
|
517
|
+
[236 251 255]
|
|
518
|
+
|
|
519
|
+
[232 244 255]
|
|
520
|
+
|
|
521
|
+
[224 234 253]
|
|
522
|
+
|
|
523
|
+
[211 218 240]]
|
|
524
|
+
|
|
525
|
+
|
|
526
|
+
|
|
527
|
+
[[236 253 255]
|
|
528
|
+
|
|
529
|
+
[234 250 255]
|
|
530
|
+
|
|
531
|
+
[230 243 255]
|
|
532
|
+
|
|
533
|
+
[222 233 252]
|
|
534
|
+
|
|
535
|
+
[209 217 239]]
|
|
536
|
+
|
|
537
|
+
|
|
538
|
+
|
|
539
|
+
[[233 251 255]
|
|
540
|
+
|
|
541
|
+
[231 248 255]
|
|
542
|
+
|
|
543
|
+
[227 241 255]
|
|
544
|
+
|
|
545
|
+
[219 231 250]
|
|
546
|
+
|
|
547
|
+
[206 216 237]]]
|
|
548
|
+
|
|
549
|
+
out_img [[[192 198 219]
|
|
550
|
+
|
|
551
|
+
[166 169 192]
|
|
552
|
+
|
|
553
|
+
[135 138 160]
|
|
554
|
+
|
|
555
|
+
[104 104 126]
|
|
556
|
+
|
|
557
|
+
[ 72 71 93]]
|
|
558
|
+
|
|
559
|
+
|
|
560
|
+
|
|
561
|
+
[[191 198 219]
|
|
562
|
+
|
|
563
|
+
[166 169 192]
|
|
564
|
+
|
|
565
|
+
[135 137 159]
|
|
566
|
+
|
|
567
|
+
[104 104 126]
|
|
568
|
+
|
|
569
|
+
[ 72 71 92]]
|
|
570
|
+
|
|
571
|
+
|
|
572
|
+
|
|
573
|
+
[[190 197 218]
|
|
574
|
+
|
|
575
|
+
[165 169 191]
|
|
576
|
+
|
|
577
|
+
[134 137 159]
|
|
578
|
+
|
|
579
|
+
[103 104 125]
|
|
580
|
+
|
|
581
|
+
[ 72 71 92]]
|
|
582
|
+
|
|
583
|
+
|
|
584
|
+
|
|
585
|
+
[[188 196 217]
|
|
586
|
+
|
|
587
|
+
[163 168 190]
|
|
588
|
+
|
|
589
|
+
[133 137 158]
|
|
590
|
+
|
|
591
|
+
[102 103 124]
|
|
592
|
+
|
|
593
|
+
[ 71 71 91]]
|
|
594
|
+
|
|
595
|
+
|
|
596
|
+
|
|
597
|
+
[[186 195 215]
|
|
598
|
+
|
|
599
|
+
[161 167 188]
|
|
600
|
+
|
|
601
|
+
[131 136 156]
|
|
602
|
+
|
|
603
|
+
[101 103 123]
|
|
604
|
+
|
|
605
|
+
[ 70 71 90]]]
|
|
606
|
+
|
|
607
|
+
out_img [[[185 235 251]
|
|
608
|
+
|
|
609
|
+
[186 236 252]
|
|
610
|
+
|
|
611
|
+
[187 236 251]
|
|
612
|
+
|
|
613
|
+
[188 236 251]
|
|
614
|
+
|
|
615
|
+
[190 237 251]]
|
|
616
|
+
|
|
617
|
+
|
|
618
|
+
|
|
619
|
+
[[171 230 251]
|
|
620
|
+
|
|
621
|
+
[172 231 251]
|
|
622
|
+
|
|
623
|
+
[173 231 250]
|
|
624
|
+
|
|
625
|
+
[175 232 250]
|
|
626
|
+
|
|
627
|
+
[177 232 249]]
|
|
628
|
+
|
|
629
|
+
|
|
630
|
+
|
|
631
|
+
[[157 224 249]
|
|
632
|
+
|
|
633
|
+
[158 225 250]
|
|
634
|
+
|
|
635
|
+
[159 226 249]
|
|
636
|
+
|
|
637
|
+
[161 226 248]
|
|
638
|
+
|
|
639
|
+
[164 227 247]]
|
|
640
|
+
|
|
641
|
+
|
|
642
|
+
|
|
643
|
+
[[143 219 248]
|
|
644
|
+
|
|
645
|
+
[144 220 248]
|
|
646
|
+
|
|
647
|
+
[146 221 247]
|
|
648
|
+
|
|
649
|
+
[148 221 246]
|
|
650
|
+
|
|
651
|
+
[151 222 245]]
|
|
652
|
+
|
|
653
|
+
|
|
654
|
+
|
|
655
|
+
[[129 213 247]
|
|
656
|
+
|
|
657
|
+
[130 214 246]
|
|
658
|
+
|
|
659
|
+
[132 215 245]
|
|
660
|
+
|
|
661
|
+
[134 215 244]
|
|
662
|
+
|
|
663
|
+
[138 216 243]]]
|
|
664
|
+
|
|
665
|
+
len(out_img) 400
|
|
666
|
+
|
|
667
|
+
type(img) <class 'numpy.ndarray'>
|
|
668
|
+
|
|
669
|
+
type(out_img) <class 'list'>
|
|
670
|
+
|
|
671
|
+
type(out_img[0]) <class 'numpy.ndarray'>
|
|
672
|
+
|
|
673
|
+
type(out_img[0][0]) <class 'numpy.ndarray'>
|
|
674
|
+
|
|
675
|
+
<class 'numpy.ndarray'>
|
|
676
|
+
|
|
677
|
+
<class 'list'>
|
|
678
|
+
|
|
679
|
+
<class 'numpy.ndarray'>
|
|
680
|
+
|
|
681
|
+
training_data_list [[0, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
472
682
|
|
|
473
683
|
中略
|
|
474
684
|
|
|
475
|
-
|
|
685
|
+
[399, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
476
|
-
|
|
477
|
-
|
|
686
|
+
|
|
478
|
-
|
|
479
|
-
[238 253 255]
|
|
480
|
-
|
|
481
|
-
[239 253 255]
|
|
482
|
-
|
|
483
|
-
[239 253 254]]
|
|
484
|
-
|
|
485
|
-
|
|
486
|
-
|
|
487
|
-
[[229 250 254]
|
|
488
|
-
|
|
489
|
-
[230 250 254]
|
|
490
|
-
|
|
491
|
-
[231 251 254]
|
|
492
|
-
|
|
493
|
-
[232 251 254]
|
|
494
|
-
|
|
495
|
-
[232 251 254]]
|
|
496
|
-
|
|
497
|
-
|
|
498
|
-
|
|
499
|
-
[[220 247 254]
|
|
500
|
-
|
|
501
|
-
[221 247 254]
|
|
502
|
-
|
|
503
|
-
[222 248 254]
|
|
504
|
-
|
|
505
|
-
[223 248 253]
|
|
506
|
-
|
|
507
|
-
[224 248 253]]
|
|
508
|
-
|
|
509
|
-
|
|
510
|
-
|
|
511
|
-
[[210 244 253]
|
|
512
|
-
|
|
513
|
-
[211 244 253]
|
|
514
|
-
|
|
515
|
-
[211 244 253]
|
|
516
|
-
|
|
517
|
-
[213 245 253]
|
|
518
|
-
|
|
519
|
-
[214 245 253]]
|
|
520
|
-
|
|
521
|
-
|
|
522
|
-
|
|
523
|
-
[[198 239 252]
|
|
524
|
-
|
|
525
|
-
[199 240 253]
|
|
526
|
-
|
|
527
|
-
[200 241 252]
|
|
528
|
-
|
|
529
|
-
[201 241 252]
|
|
530
|
-
|
|
531
|
-
[202 241 252]]]
|
|
532
|
-
|
|
533
|
-
out_img [[[183 194 213]
|
|
534
|
-
|
|
535
|
-
[158 166 186]
|
|
536
|
-
|
|
537
|
-
[128 135 154]
|
|
538
|
-
|
|
539
|
-
[ 99 102 121]
|
|
540
|
-
|
|
541
|
-
[ 68 70 88]]
|
|
542
|
-
|
|
543
|
-
|
|
544
|
-
|
|
545
|
-
[[178 192 211]
|
|
546
|
-
|
|
547
|
-
[154 165 183]
|
|
548
|
-
|
|
549
|
-
[125 134 151]
|
|
550
|
-
|
|
551
|
-
[ 95 101 118]
|
|
552
|
-
|
|
553
|
-
[ 65 69 85]]
|
|
554
|
-
|
|
555
|
-
|
|
556
|
-
|
|
557
|
-
[[173 191 208]
|
|
558
|
-
|
|
559
|
-
[149 163 180]
|
|
560
|
-
|
|
561
|
-
[120 132 148]
|
|
562
|
-
|
|
563
|
-
[ 90 100 115]
|
|
564
|
-
|
|
565
|
-
[ 61 68 81]]
|
|
566
|
-
|
|
567
|
-
|
|
568
|
-
|
|
569
|
-
[[167 189 204]
|
|
570
|
-
|
|
571
|
-
[143 162 177]
|
|
572
|
-
|
|
573
|
-
[114 131 144]
|
|
574
|
-
|
|
575
|
-
[ 85 98 111]
|
|
576
|
-
|
|
577
|
-
[ 56 66 77]]
|
|
578
|
-
|
|
579
|
-
|
|
580
|
-
|
|
581
|
-
[[161 187 200]
|
|
582
|
-
|
|
583
|
-
[137 159 172]
|
|
584
|
-
|
|
585
|
-
[109 129 140]
|
|
586
|
-
|
|
587
|
-
[ 80 97 106]
|
|
588
|
-
|
|
589
|
-
[ 52 65 73]]]
|
|
590
|
-
|
|
591
|
-
|
|
687
|
+
training_data_list[1:] [[1, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
592
|
-
|
|
593
|
-
[186 236 252]
|
|
594
|
-
|
|
595
|
-
[187 236 251]
|
|
596
|
-
|
|
597
|
-
[188 236 251]
|
|
598
|
-
|
|
599
|
-
[190 237 251]]
|
|
600
|
-
|
|
601
|
-
|
|
602
|
-
|
|
603
|
-
[[171 230 251]
|
|
604
|
-
|
|
605
|
-
[172 231 251]
|
|
606
|
-
|
|
607
|
-
[173 231 250]
|
|
608
|
-
|
|
609
|
-
[175 232 250]
|
|
610
|
-
|
|
611
|
-
[177 232 249]]
|
|
612
|
-
|
|
613
|
-
|
|
614
|
-
|
|
615
|
-
[[157 224 249]
|
|
616
|
-
|
|
617
|
-
[158 225 250]
|
|
618
|
-
|
|
619
|
-
[159 226 249]
|
|
620
|
-
|
|
621
|
-
[161 226 248]
|
|
622
|
-
|
|
623
|
-
[164 227 247]]
|
|
624
|
-
|
|
625
|
-
|
|
626
|
-
|
|
627
|
-
[[143 219 248]
|
|
628
|
-
|
|
629
|
-
[144 220 248]
|
|
630
|
-
|
|
631
|
-
[146 221 247]
|
|
632
|
-
|
|
633
|
-
[148 221 246]
|
|
634
|
-
|
|
635
|
-
[151 222 245]]
|
|
636
|
-
|
|
637
|
-
|
|
638
|
-
|
|
639
|
-
[[129 213 247]
|
|
640
|
-
|
|
641
|
-
[130 214 246]
|
|
642
|
-
|
|
643
|
-
[132 215 245]
|
|
644
|
-
|
|
645
|
-
[134 215 244]
|
|
646
|
-
|
|
647
|
-
[138 216 243]]]
|
|
648
688
|
|
|
649
689
|
中略
|
|
650
690
|
|
|
691
|
+
[399, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
692
|
+
|
|
651
693
|
len(training_data_list) 400
|
|
652
694
|
|
|
653
695
|
len(out_data_list[0]) 401
|
|
@@ -668,7 +710,7 @@
|
|
|
668
710
|
|
|
669
711
|
中略
|
|
670
712
|
|
|
671
|
-
[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
713
|
+
[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
672
714
|
|
|
673
715
|
#epoch 0
|
|
674
716
|
|
|
@@ -680,15 +722,15 @@
|
|
|
680
722
|
|
|
681
723
|
train: 0 / 400
|
|
682
724
|
|
|
683
|
-
plabel
|
|
725
|
+
plabel 97600
|
|
684
|
-
|
|
726
|
+
|
|
685
|
-
中略
|
|
727
|
+
中略
|
|
686
|
-
|
|
728
|
+
|
|
687
|
-
plabel
|
|
729
|
+
plabel 97600
|
|
688
730
|
|
|
689
731
|
performance: nan
|
|
690
732
|
|
|
691
|
-
/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:
|
|
733
|
+
/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:193: RuntimeWarning: invalid value encountered in double_scalars
|
|
692
734
|
|
|
693
735
|
```
|
|
694
736
|
|
|
@@ -698,11 +740,7 @@
|
|
|
698
740
|
|
|
699
741
|
rei.jpegを複数個の画像に分割して、１個ずつ、全てとNNして、類似画像を見つけ出すプログラムです、
|
|
700
742
|
|
|
701
|
-
が、全部158400となる、つまり、たぶん、どの画像も１４８８００番目の画像と近い？
|
|
702
|
-
|
|
703
|
-
ということになっているのか、
|
|
704
|
-
|
|
705
|
-
|
|
743
|
+
が、全部大きな桁で、同じ値になる、大きな値になるが、そもそもそんな多数生成してないはず、
|
|
706
744
|
|
|
707
745
|
また、
|
|
708
746
|
|
|
@@ -712,14 +750,12 @@
|
|
|
712
750
|
|
|
713
751
|
out_data_list[i].append(diff(extract(out_img[i], 1)) + diff(extract(out_img[i], 2)) + diff(extract(out_img[i], 0)))
|
|
714
752
|
|
|
715
|
-
の部分とテスト部分をforにする前（地道に変数out_data_list1[]とかで置いていた）時は、出力値は3桁で、しかも差がありました、
|
|
753
|
+
の部分とテスト部分をforにする前（地道に変数out_data_list1[]とかで置いていた）時は、出力値は3桁で、しかも差がありました、同じになるのはおかしい。
|
|
716
|
-
|
|
717
|
-
|
|
718
|
-
|
|
719
|
-
|
|
754
|
+
|
|
720
|
-
|
|
721
|
-
|
|
755
|
+
|
|
722
|
-
|
|
723
|
-
|
|
724
|
-
|
|
756
|
+
|
|
725
|
-
やはりどうやら、outimglistにappendするところで、きちんとappendできていない感じですかね、二重リストの使い方をまず学ぶべきか。
|
|
757
|
+
やはりどうやら、outimglistにappendするところで、きちんとappendできていない感じですかね、二重リストの使い方をまず学ぶべきか。
|
|
758
|
+
|
|
759
|
+
|
|
760
|
+
|
|
761
|
+
回答を受けて、typeの値を出力しました、どうすれば良いのでしょうか・・・。
|
3
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -719,3 +719,7 @@
|
|
|
719
719
|
実際にout_img[i][j]の各値は、出力に表示したように、各値で異なります、これに対応するように、異なった数値が出力されるようにしたいのですが・・・
|
|
720
720
|
|
|
721
721
|
どこがおかしいのでしょうか・・・。
|
|
722
|
+
|
|
723
|
+
|
|
724
|
+
|
|
725
|
+
やはりどうやら、outimglistにappendするところで、きちんとappendできていない感じですかね、二重リストの使い方をまず学ぶべきか。。
|
2
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -46,6 +46,22 @@
|
|
|
46
46
|
|
|
47
47
|
|
|
48
48
|
|
|
49
|
+
size = 5
|
|
50
|
+
|
|
51
|
+
|
|
52
|
+
|
|
53
|
+
v_split = img.shape[0] // size
|
|
54
|
+
|
|
55
|
+
h_split = img.shape[1] // size
|
|
56
|
+
|
|
57
|
+
out_img = []
|
|
58
|
+
|
|
59
|
+
[out_img.extend(np.hsplit(h_img, h_split))
|
|
60
|
+
|
|
61
|
+
for h_img in np.vsplit(img, v_split)]
|
|
62
|
+
|
|
63
|
+
|
|
64
|
+
|
|
49
65
|
print("out_img" ,out_img[0][1])
|
|
50
66
|
|
|
51
67
|
print("out_img" ,out_img[0][2])
|
|
@@ -108,24 +124,6 @@
|
|
|
108
124
|
|
|
109
125
|
print("out_img" ,out_img[41])
|
|
110
126
|
|
|
111
|
-
|
|
112
|
-
|
|
113
|
-
size = 5
|
|
114
|
-
|
|
115
|
-
|
|
116
|
-
|
|
117
|
-
v_split = img.shape[0] // size
|
|
118
|
-
|
|
119
|
-
h_split = img.shape[1] // size
|
|
120
|
-
|
|
121
|
-
out_img = []
|
|
122
|
-
|
|
123
|
-
[out_img.extend(np.hsplit(h_img, h_split))
|
|
124
|
-
|
|
125
|
-
for h_img in np.vsplit(img, v_split)]
|
|
126
|
-
|
|
127
|
-
|
|
128
|
-
|
|
129
127
|
print("len(out_img)" ,len(out_img))
|
|
130
128
|
|
|
131
129
|
|
1
更に詳しく書きました。
test
CHANGED
|
@@ -1 +1 @@
|
|
|
1
|
-
画像
|
|
1
|
+
画像のRGBから抽出した値は、画像が全て異なるため全て当然異なるのに、出力数値が全て等しいのはなぜ
|
test
CHANGED
|
@@ -1,6 +1,6 @@
|
|
|
1
1
|
|
|
2
2
|
|
|
3
|
-
これがre
|
|
3
|
+
これがrei.jpegです。
|
|
4
4
|
|
|
5
5
|
|
|
6
6
|
|
|
@@ -46,6 +46,70 @@
|
|
|
46
46
|
|
|
47
47
|
|
|
48
48
|
|
|
49
|
+
print("out_img" ,out_img[0][1])
|
|
50
|
+
|
|
51
|
+
print("out_img" ,out_img[0][2])
|
|
52
|
+
|
|
53
|
+
print("out_img" ,out_img[0][3])
|
|
54
|
+
|
|
55
|
+
print("out_img" ,out_img[1][1])
|
|
56
|
+
|
|
57
|
+
print("out_img" ,out_img[1][2])
|
|
58
|
+
|
|
59
|
+
print("out_img" ,out_img[1][3])
|
|
60
|
+
|
|
61
|
+
print("out_img" ,out_img[2][1])
|
|
62
|
+
|
|
63
|
+
print("out_img" ,out_img[2][2])
|
|
64
|
+
|
|
65
|
+
print("out_img" ,out_img[2][3])
|
|
66
|
+
|
|
67
|
+
print("out_img" ,out_img[3][1])
|
|
68
|
+
|
|
69
|
+
print("out_img" ,out_img[3][2])
|
|
70
|
+
|
|
71
|
+
print("out_img" ,out_img[3][3])
|
|
72
|
+
|
|
73
|
+
print("out_img" ,out_img[4][1])
|
|
74
|
+
|
|
75
|
+
print("out_img" ,out_img[4][2])
|
|
76
|
+
|
|
77
|
+
print("out_img" ,out_img[4][3])
|
|
78
|
+
|
|
79
|
+
print("out_img" ,out_img[5][1])
|
|
80
|
+
|
|
81
|
+
print("out_img" ,out_img[5][2])
|
|
82
|
+
|
|
83
|
+
print("out_img" ,out_img[5][3])
|
|
84
|
+
|
|
85
|
+
print("out_img" ,out_img[0])
|
|
86
|
+
|
|
87
|
+
print("out_img" ,out_img[1])
|
|
88
|
+
|
|
89
|
+
print("out_img" ,out_img[2])
|
|
90
|
+
|
|
91
|
+
print("out_img" ,out_img[3])
|
|
92
|
+
|
|
93
|
+
print("out_img" ,out_img[5])
|
|
94
|
+
|
|
95
|
+
print("out_img" ,out_img[6])
|
|
96
|
+
|
|
97
|
+
print("out_img" ,out_img[7])
|
|
98
|
+
|
|
99
|
+
print("out_img" ,out_img[8])
|
|
100
|
+
|
|
101
|
+
print("out_img" ,out_img[10])
|
|
102
|
+
|
|
103
|
+
print("out_img" ,out_img[11])
|
|
104
|
+
|
|
105
|
+
print("out_img" ,out_img[21])
|
|
106
|
+
|
|
107
|
+
print("out_img" ,out_img[31])
|
|
108
|
+
|
|
109
|
+
print("out_img" ,out_img[41])
|
|
110
|
+
|
|
111
|
+
|
|
112
|
+
|
|
49
113
|
size = 5
|
|
50
114
|
|
|
51
115
|
|
|
@@ -360,81 +424,287 @@
|
|
|
360
424
|
|
|
361
425
|
scoreboard_array = np.asarray(scoreboard)
|
|
362
426
|
|
|
363
|
-
print('performance: ', scoreboard_array.sum() / scoreboard_array.size)
|
|
427
|
+
print('performance: ', scoreboard_array.sum() / scoreboard_array.size)```
|
|
428
|
+
|
|
429
|
+
|
|
430
|
+
|
|
431
|
+
```出力結果
|
|
432
|
+
|
|
433
|
+
Drive already mounted at /content/drive; to attempt to forcibly remount, call drive.mount("/content/drive", force_remount=True).
|
|
434
|
+
|
|
435
|
+
out_img [[254 255 255]
|
|
436
|
+
|
|
437
|
+
[254 255 255]
|
|
438
|
+
|
|
439
|
+
[254 255 255]
|
|
440
|
+
|
|
441
|
+
[254 255 255]
|
|
442
|
+
|
|
443
|
+
[254 255 255]]
|
|
444
|
+
|
|
445
|
+
out_img [[252 255 255]
|
|
446
|
+
|
|
447
|
+
[252 255 255]
|
|
448
|
+
|
|
449
|
+
[252 255 255]
|
|
450
|
+
|
|
451
|
+
[252 255 255]
|
|
452
|
+
|
|
453
|
+
[252 255 255]]
|
|
454
|
+
|
|
455
|
+
out_img [[248 255 255]
|
|
456
|
+
|
|
457
|
+
[248 255 255]
|
|
458
|
+
|
|
459
|
+
[248 255 255]
|
|
460
|
+
|
|
461
|
+
[248 255 255]
|
|
462
|
+
|
|
463
|
+
[248 255 255]]
|
|
464
|
+
|
|
465
|
+
out_img [[254 255 255]
|
|
466
|
+
|
|
467
|
+
[255 255 255]
|
|
468
|
+
|
|
469
|
+
[255 255 255]
|
|
470
|
+
|
|
471
|
+
[255 255 255]
|
|
472
|
+
|
|
473
|
+
[255 255 255]]
|
|
474
|
+
|
|
475
|
+
中略
|
|
476
|
+
|
|
477
|
+
out_img [[[237 253 255]
|
|
478
|
+
|
|
479
|
+
[238 253 255]
|
|
480
|
+
|
|
481
|
+
[238 253 255]
|
|
482
|
+
|
|
483
|
+
[239 253 255]
|
|
484
|
+
|
|
485
|
+
[239 253 254]]
|
|
486
|
+
|
|
487
|
+
|
|
488
|
+
|
|
489
|
+
[[229 250 254]
|
|
490
|
+
|
|
491
|
+
[230 250 254]
|
|
492
|
+
|
|
493
|
+
[231 251 254]
|
|
494
|
+
|
|
495
|
+
[232 251 254]
|
|
496
|
+
|
|
497
|
+
[232 251 254]]
|
|
498
|
+
|
|
499
|
+
|
|
500
|
+
|
|
501
|
+
[[220 247 254]
|
|
502
|
+
|
|
503
|
+
[221 247 254]
|
|
504
|
+
|
|
505
|
+
[222 248 254]
|
|
506
|
+
|
|
507
|
+
[223 248 253]
|
|
508
|
+
|
|
509
|
+
[224 248 253]]
|
|
510
|
+
|
|
511
|
+
|
|
512
|
+
|
|
513
|
+
[[210 244 253]
|
|
514
|
+
|
|
515
|
+
[211 244 253]
|
|
516
|
+
|
|
517
|
+
[211 244 253]
|
|
518
|
+
|
|
519
|
+
[213 245 253]
|
|
520
|
+
|
|
521
|
+
[214 245 253]]
|
|
522
|
+
|
|
523
|
+
|
|
524
|
+
|
|
525
|
+
[[198 239 252]
|
|
526
|
+
|
|
527
|
+
[199 240 253]
|
|
528
|
+
|
|
529
|
+
[200 241 252]
|
|
530
|
+
|
|
531
|
+
[201 241 252]
|
|
532
|
+
|
|
533
|
+
[202 241 252]]]
|
|
534
|
+
|
|
535
|
+
out_img [[[183 194 213]
|
|
536
|
+
|
|
537
|
+
[158 166 186]
|
|
538
|
+
|
|
539
|
+
[128 135 154]
|
|
540
|
+
|
|
541
|
+
[ 99 102 121]
|
|
542
|
+
|
|
543
|
+
[ 68 70 88]]
|
|
544
|
+
|
|
545
|
+
|
|
546
|
+
|
|
547
|
+
[[178 192 211]
|
|
548
|
+
|
|
549
|
+
[154 165 183]
|
|
550
|
+
|
|
551
|
+
[125 134 151]
|
|
552
|
+
|
|
553
|
+
[ 95 101 118]
|
|
554
|
+
|
|
555
|
+
[ 65 69 85]]
|
|
556
|
+
|
|
557
|
+
|
|
558
|
+
|
|
559
|
+
[[173 191 208]
|
|
560
|
+
|
|
561
|
+
[149 163 180]
|
|
562
|
+
|
|
563
|
+
[120 132 148]
|
|
564
|
+
|
|
565
|
+
[ 90 100 115]
|
|
566
|
+
|
|
567
|
+
[ 61 68 81]]
|
|
568
|
+
|
|
569
|
+
|
|
570
|
+
|
|
571
|
+
[[167 189 204]
|
|
572
|
+
|
|
573
|
+
[143 162 177]
|
|
574
|
+
|
|
575
|
+
[114 131 144]
|
|
576
|
+
|
|
577
|
+
[ 85 98 111]
|
|
578
|
+
|
|
579
|
+
[ 56 66 77]]
|
|
580
|
+
|
|
581
|
+
|
|
582
|
+
|
|
583
|
+
[[161 187 200]
|
|
584
|
+
|
|
585
|
+
[137 159 172]
|
|
586
|
+
|
|
587
|
+
[109 129 140]
|
|
588
|
+
|
|
589
|
+
[ 80 97 106]
|
|
590
|
+
|
|
591
|
+
[ 52 65 73]]]
|
|
592
|
+
|
|
593
|
+
out_img [[[185 235 251]
|
|
594
|
+
|
|
595
|
+
[186 236 252]
|
|
596
|
+
|
|
597
|
+
[187 236 251]
|
|
598
|
+
|
|
599
|
+
[188 236 251]
|
|
600
|
+
|
|
601
|
+
[190 237 251]]
|
|
602
|
+
|
|
603
|
+
|
|
604
|
+
|
|
605
|
+
[[171 230 251]
|
|
606
|
+
|
|
607
|
+
[172 231 251]
|
|
608
|
+
|
|
609
|
+
[173 231 250]
|
|
610
|
+
|
|
611
|
+
[175 232 250]
|
|
612
|
+
|
|
613
|
+
[177 232 249]]
|
|
614
|
+
|
|
615
|
+
|
|
616
|
+
|
|
617
|
+
[[157 224 249]
|
|
618
|
+
|
|
619
|
+
[158 225 250]
|
|
620
|
+
|
|
621
|
+
[159 226 249]
|
|
622
|
+
|
|
623
|
+
[161 226 248]
|
|
624
|
+
|
|
625
|
+
[164 227 247]]
|
|
626
|
+
|
|
627
|
+
|
|
628
|
+
|
|
629
|
+
[[143 219 248]
|
|
630
|
+
|
|
631
|
+
[144 220 248]
|
|
632
|
+
|
|
633
|
+
[146 221 247]
|
|
634
|
+
|
|
635
|
+
[148 221 246]
|
|
636
|
+
|
|
637
|
+
[151 222 245]]
|
|
638
|
+
|
|
639
|
+
|
|
640
|
+
|
|
641
|
+
[[129 213 247]
|
|
642
|
+
|
|
643
|
+
[130 214 246]
|
|
644
|
+
|
|
645
|
+
[132 215 245]
|
|
646
|
+
|
|
647
|
+
[134 215 244]
|
|
648
|
+
|
|
649
|
+
[138 216 243]]]
|
|
650
|
+
|
|
651
|
+
中略
|
|
652
|
+
|
|
653
|
+
len(training_data_list) 400
|
|
654
|
+
|
|
655
|
+
len(out_data_list[0]) 401
|
|
656
|
+
|
|
657
|
+
out_data_list[0][0] 0
|
|
658
|
+
|
|
659
|
+
out_data_list[1][0] 0
|
|
660
|
+
|
|
661
|
+
out_data_list[2][0] 0
|
|
662
|
+
|
|
663
|
+
out_data_list[0][1] [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
664
|
+
|
|
665
|
+
out_data_list[1][1] [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
666
|
+
|
|
667
|
+
len(out_data_list[1:]) 399
|
|
668
|
+
|
|
669
|
+
out_data_list[0][1:] [[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
670
|
+
|
|
671
|
+
中略
|
|
672
|
+
|
|
673
|
+
[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
674
|
+
|
|
675
|
+
#epoch 0
|
|
676
|
+
|
|
677
|
+
train: 0 / 400
|
|
678
|
+
|
|
679
|
+
中略
|
|
680
|
+
|
|
681
|
+
#epoch 49
|
|
682
|
+
|
|
683
|
+
train: 0 / 400
|
|
684
|
+
|
|
685
|
+
plabel 158400
|
|
686
|
+
|
|
687
|
+
中略（全て158400）
|
|
688
|
+
|
|
689
|
+
plabel 158400
|
|
690
|
+
|
|
691
|
+
performance: nan
|
|
692
|
+
|
|
693
|
+
/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:210: RuntimeWarning: invalid value encountered in double_scalars
|
|
364
694
|
|
|
365
695
|
```
|
|
366
696
|
|
|
367
697
|
|
|
368
698
|
|
|
369
|
-
```出力結果
|
|
370
|
-
|
|
371
|
-
Mounted at /content/drive
|
|
372
|
-
|
|
373
|
-
len(out_img) 400
|
|
374
|
-
|
|
375
|
-
training_data_list [[0, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
376
|
-
|
|
377
|
-
中略
|
|
378
|
-
|
|
379
|
-
[394, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [395, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [396, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [397, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [398, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [399, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
380
|
-
|
|
381
|
-
len(training_data_list) 400
|
|
382
|
-
|
|
383
|
-
len(out_data_list[0]) 401
|
|
384
|
-
|
|
385
|
-
out_data_list[0][0] 0
|
|
386
|
-
|
|
387
|
-
out_data_list[1][0] 0
|
|
388
|
-
|
|
389
|
-
out_data_list[2][0] 0
|
|
390
|
-
|
|
391
|
-
out_data_list[0][1] [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
392
|
-
|
|
393
|
-
out_data_list[1][1] [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
394
|
-
|
|
395
|
-
len(out_data_list[1:]) 399
|
|
396
|
-
|
|
397
|
-
out_data_list[0][1:] [[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
398
|
-
|
|
399
|
-
中略
|
|
400
|
-
|
|
401
|
-
[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
402
|
-
|
|
403
|
-
#epoch 0
|
|
404
|
-
|
|
405
|
-
train: 0 / 400
|
|
406
|
-
|
|
407
|
-
中略
|
|
408
|
-
|
|
409
|
-
#epoch 49
|
|
410
|
-
|
|
411
|
-
train: 0 / 400
|
|
412
|
-
|
|
413
|
-
plabel 148800
|
|
414
|
-
|
|
415
|
-
中略
|
|
416
|
-
|
|
417
|
-
plabel 148800
|
|
418
|
-
|
|
419
|
-
|
|
420
|
-
|
|
421
|
-
performance: nan
|
|
422
|
-
|
|
423
|
-
/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:178: RuntimeWarning: invalid value encountered in double_scalars
|
|
424
|
-
|
|
425
|
-
```
|
|
426
|
-
|
|
427
|
-
|
|
428
|
-
|
|
429
699
|
GoogleColaboratoryで、
|
|
430
700
|
|
|
431
701
|
rei.jpegを複数個の画像に分割して、１個ずつ、全てとNNして、類似画像を見つけ出すプログラムです、
|
|
432
702
|
|
|
433
|
-
が、全部
|
|
703
|
+
が、全部158400となる、つまり、たぶん、どの画像も１４８８００番目の画像と近い？
|
|
434
704
|
|
|
435
705
|
ということになっているのか、
|
|
436
706
|
|
|
437
|
-
しかし、
|
|
707
|
+
しかし、158400は大きすぎます、そんな多数生成してないはず、
|
|
438
708
|
|
|
439
709
|
また、
|
|
440
710
|
|
|
@@ -444,4 +714,10 @@
|
|
|
444
714
|
|
|
445
715
|
out_data_list[i].append(diff(extract(out_img[i], 1)) + diff(extract(out_img[i], 2)) + diff(extract(out_img[i], 0)))
|
|
446
716
|
|
|
447
|
-
の部分とテスト部分をforにする前（地道に変数out_data_list1[]とかで置いていた）時は、出力値は3桁で、しかも差がありました、
|
|
717
|
+
の部分とテスト部分をforにする前（地道に変数out_data_list1[]とかで置いていた）時は、出力値は3桁で、しかも差がありました、
|
|
718
|
+
|
|
719
|
+
|
|
720
|
+
|
|
721
|
+
実際にout_img[i][j]の各値は、出力に表示したように、各値で異なります、これに対応するように、異なった数値が出力されるようにしたいのですが・・・
|
|
722
|
+
|
|
723
|
+
どこがおかしいのでしょうか・・・。
|