常連

MVCなどの概念でビジネスロジックを担当する層として「Model」という層が登場しますが、なぜこの名前なのでしょうか？

個人的な印象ですがモデルは「模型」のようなニュアンスが強いと思っていて、名前だけ聞くとデータオブジェクトのような雰囲気があります

MVVMの「ViewModel」はまさにモデルっていう感じで納得できるのですが、今まで見てきたMVCやMVVMのModelはビジネスロジックを担当していたりデータストアとのやりとりを担当していることが多いように感じました

また解説書や解説サイトなどでもModelはビジネスロジックを担当する層という説明がよくでてきます

アーキテクチャ自体に疑問はないのですがなぜこの層をModelというのでしょうか？
由来をご存知の方いたら教えて下さい

なぜビジネスロジックが集まる層を「モデル（Model）」というのでしょうか？

Springの勉強をしているのですが、分からないことがありますので質問させていただきます。

「画面に入力した文字を、別の画面に表示する」プログラムを書いています。

```Java
@PostMapping("/hello")
public String postRequest(@RequestParam("text1") String str, Model model) {
　　　　model.addAttribute("sample", str);
　　　　return "helloResponse";
}
```
このメソッドの引数のModel modelは具体的に何をしているのでしょうか？

HTMLは以下の通りです。

```HTML
<form method="post" action="/hello">
好きな文字を入力：
<input type="text" name="text1" th:value="${text1_value}"/>
<input type="submit" value="クリック"/>
</form>
```
入力フォームから受け取った文字をString型のstrに渡しているのはわかるのですが、渡しているのはString strの部分だけでModel modelには何を渡しているのでしょうか？

Model modelは何をしているのでしょうか？

Model型のmodelは何をしているのか

### 前提
djangoを勉強中ですが，あまり理解度は高くありません．

レコード内から特定の変数を取得し，そのままMeCabにかけたいと考えています．
そのために1レコードの内1つの変数を取得したいと考えています．

例えば
名前　年齢　性別　血液型
花子　20　　女　　AB
太郎　21　　男　　B

のテーブルがあったとき，「女」というピンポイントのデータを取得したい
というような感じです．

説明が下手だと思いますがよろしくお願いします．

### 実現したいこと

レコード内のデータを1つだけ取得したい

### 発生している問題・エラーメッセージ

data = IdeaModel.objects.all().values('idea1')　とすると全レコードのidea1が取得される
data = IdeaModel.objects.get(paper=1,section=1)　とするとTypeErrorになる
data = IdeaModel.objects.filter(paper=1,section=1)　とするとpaper=1,section=1であるレコードが1行取得される

というようになり前提で示したピンポイントなデータが取得できていません．

### 該当のソースコード

```index.html
{% load static %}
<!doctype html>
<html lang="ja">
<head>
    <meta charset="utf-8">
    <title>{{title}}</title>
    <link rel="stylesheet"
    href="https://stackpath.bootstrapcdn.com/bootstrap/4.3.1/css/bootstrap.min.css"
    crossorigin="anonymous">
</head>
<body class="container">
    <h1 class="display-4 text-primary">{{title}}</h1>
    <p class="h5 mt-4">{{message|safe}}</p>
    <table class="table">
        <tr>
            <th>ID</th>
            <th>paper</th>
            <th>section</th>
            <th>name</th>
            <th>idea1</th>
            <th>idea2</th>

        </tr>
    {% for item in data %}
        <tr>
            <td>{{item.id}}</td>
            <td>{{item.paper}}</td>
            <td>{{item.section}}</td>
            <td>{{item.name}}</td>
            <td>{{item.idea1}}</td>
            <td>{{item.idea2}}</td>
        <tr>
    {% endfor %}
    </table>
</body>
</html>
```

```views.py
def index(request):
    data = IdeaModel.objects.all().values('idea1')
    params = {
        'title': 'Hello',
        'message': 'all friends.',
        'data': data,
    }
    return render(request, 'hello/index.html', params)
```

```forms.py
from django import forms
from.models import IdeaModel

class IdeaForm(forms.ModelForm):
    class Meta:
        model = IdeaModel
        fields = ['paper','section','name','theme','idea1','idea2','idea3','idea4','idea5'
                  ,'idea6','idea7','idea8','idea9','idea10']
```

```models.py
from django.db import models


class IdeaModel(models.Model):
    paper = models.IntegerField()
    section = models.IntegerField()
    name = models.IntegerField()
    theme = models.CharField(max_length=50)
    idea1 = models.CharField(max_length=50)
    idea2 = models.CharField(max_length=50, blank=True, null=True)
    idea3 = models.CharField(max_length=50, blank=True, null=True)
    idea4 = models.CharField(max_length=50, blank=True, null=True)
    idea5 = models.CharField(max_length=50, blank=True, null=True)
    idea6 = models.CharField(max_length=50, blank=True, null=True)
    idea7 = models.CharField(max_length=50, blank=True, null=True)
    idea8 = models.CharField(max_length=50, blank=True, null=True)
    idea9 = models.CharField(max_length=50, blank=True, null=True)
    idea10 = models.CharField(max_length=50, blank=True, null=True)

    def __str__(self):
        return 'アイデア　' + 'paper：' + str(self.paper) + ' ・section：' + str(self.section) + ' ・name：' + str(self.name)

```

### 試したこと
エラーメッセージにも示したようにviews.pyの1文を以下のように変えたりしました．

data = IdeaModel.objects.all().values('idea1')　とすると全てのidea1が取得される
というようになり，paperが1，sectionが1であるidea1を取得することができませんでした．

### 補足情報（FW/ツールのバージョンなど）

django4.14
python3.10.8
windouws 10


django 特定のレコード中から特定の変数を取得したい

ER図を書くツールは何をつかっていますか？

私がつかったことがあるのは、次のものです。

設計時
  - [ERMaster](http://ermaster.sourceforge.net/index_ja.html)
  - Excel でちまちまと書いていく..
  
リバース・エンジニアリング時
  -  [erd](http://qiita.com/kanpou_/items/74eca1846101e6db3387)

その他：(研究中)
  - eclips の Sirius は ER 図作成につかえるものなのでしょか？

追加 (2015-11-13)
* そもそも、DBを使う場合, 設計時に ER 図を書きますか？
  (複数人で作業する場合を想定しています。)

ER図を書くツールは何をつかっていますか？

### 前提・実現したいこと

Pythonにて鋳物の画像を用いた画像判別機を作ろうとしています。
model.fitの場面に以下のエラーメッセージが発生しました。
解決方法を探っています。
お判りになる方いらっしゃいましたら、
メッセージ頂けると幸いです。

### 発生している問題・エラーメッセージ

```
TypeError                                 Traceback (most recent call last)
<ipython-input-16-27f12ae95326> in <module>
     22     return predictions, history
     23 
---> 24 predictions, history = OKDEF()

TypeError: cannot unpack non-iterable Sequential object
```

### 該当のソースコード

```Python
import os, cv2, random
import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
from matplotlib import ticker
import seaborn as sns
%matplotlib inline 

import tensorflow
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Input, Dropout, Flatten, Convolution2D, MaxPooling2D, Dense, Activation
from tensorflow.keras.optimizers import RMSprop
from tensorflow.keras.callbacks import ModelCheckpoint, Callback, EarlyStopping
import np_utils

TRAIN_DIR = './archive/casting_data/casting_data/train/'
TEST_DIR = './archive/casting_data/casting_data/test/'


ROWS = 64
COLS = 64
CHANNELS = 3

train_images = [TRAIN_DIR+i for i in os.listdir(TRAIN_DIR)] # use this for full dataset
train_ok =   [TRAIN_DIR+i for i in os.listdir(TRAIN_DIR) if 'cast_ok' in i]
train_def =   [TRAIN_DIR+i for i in os.listdir(TRAIN_DIR) if 'cast_def' in i]

test_images =  [TEST_DIR+i for i in os.listdir(TEST_DIR)]

# slice datasets for memory efficiency on Kaggle Kernels, delete if using full dataset
train_images = train_ok + train_def
random.shuffle(train_images)
test_images =  test_images

def read_image(file_path):
    img = cv2.imread(file_path, cv2.IMREAD_COLOR) #cv2.IMREAD_GRAYSCALE
    return cv2.resize(img, (ROWS, COLS), interpolation=cv2.INTER_CUBIC)


def prep_data(images):
    count = len(images)
    data = np.ndarray((count, CHANNELS, ROWS, COLS), dtype=np.uint8)

    for i, image_file in enumerate(images):
        image = read_image(image_file)
        data[i] = image.T #transpose mxn > nxm
        if i%250 == 0: print('Processed {} of {}'.format(i, count))
    
    return data

train = prep_data(train_images)
test = prep_data(test_images)

print("Train shape: {}".format(train.shape))
print("Test shape: {}".format(test.shape))

labels = []
for i in train_images:
    if 'cast_ok_' in i:
        labels.append(1)
    else:
        labels.append(0)

sns.countplot(labels)
plt.title('OK and def')

labels = np.array(labels)

DEF_avg = np.array([DEF[0].T for i, DEF in enumerate(train) if labels[i]==1]).mean(axis=0)
plt.imshow(DEF_avg)
plt.title('Average DEF')

OK_avg = np.array([OK[0].T for i, OK in enumerate(train) if labels[i]==0]).mean(axis=0)
plt.imshow(OK_avg)
plt.title('Average OK')

optimizer = RMSprop(lr=1e-4)
objective = 'binary_crossentropy'


def OKDEF():
    
    model = Sequential()

    model.add(Convolution2D(32, (3, 3), input_shape=(3, ROWS, COLS), activation='relu', padding="same"))
    model.add(Convolution2D(32, (3, 3), activation='relu', padding="same"))
    model.add(MaxPooling2D(data_format="channels_first", pool_size=(2, 2)))
    
    model.add(Convolution2D(64, (3, 3), activation='relu', padding="same"))
    model.add(Convolution2D(64, (3, 3), activation='relu', padding="same"))
    model.add(MaxPooling2D(data_format="channels_first", pool_size=(2, 2)))
    
    model.add(Convolution2D(128, (3, 3), activation='relu', padding="same"))
    model.add(Convolution2D(128, (3, 3), activation='relu', padding="same"))
    model.add(MaxPooling2D(data_format="channels_first", pool_size=(2, 2)))
    
    model.add(Convolution2D(256, (3, 3), activation='relu', padding="same"))
    model.add(Convolution2D(256, (3, 3), activation='relu', padding="same"))
    model.add(MaxPooling2D(data_format="channels_first", pool_size=(2, 2)))
    
    model.add(Flatten())
    model.add(Dense(256, activation='relu'))
    model.add(Dropout(0.5))
    
    model.add(Dense(256, activation='relu'))
    model.add(Dropout(0.5))

    model.add(Dense(1))
    model.add(Activation('sigmoid'))

    model.compile(loss=objective, optimizer=optimizer, metrics=['accuracy'])
    return model


model = OKDEF()

train = tensorflow.transpose(train, [0, 2, 3, 1])
test = tensorflow.transpose(test,[0, 2, 3, 1])

epochs = 10
batch_size = 16

class LossHistory(Callback):
    def on_train_begin(self, logs={}):
        self.losses = []
        self.val_losses = []
        
    def on_epoch_end(self, batch, logs={}):
        self.losses.append(logs.get('loss'))
        self.val_losses.append(logs.get('val_loss'))

early_stopping = EarlyStopping(monitor='val_loss', patience=3, verbose=1, mode='auto')        
        
def run_OKDEF():
    
    history = LossHistory()
    model.fit(train, labels, batch_size=batch_size, epochs=epochs,
              validation_split=0.25, verbose=0, shuffle=True, callbacks=[history, early_stopping])
    
    predictions = model.predict(test, verbose=0)
    return predictions, history

predictions, history = OKDEF()
```

### 試したこと

NHWCへの変換
errorでの検索

### 補足情報（FW/ツールのバージョンなど）

Python 3.8.8
TensorFlow 2.3.0

cannot unpack non-iterable Sequential objectを解決したい

３Dのモデルをネットからダウンロードしたのですが、
そのファイルの中に.mtlという拡張子のファイルが入っていました。
テキストファイルとして開くことができたので中身を見たのですが、
機械語ではないにしろ何が書いてあるのか私にはわかりませんでした。
.mtlというファイルはなんのファイルなのかどなたか教えていただけないでしょうか？

mtlファイルとは

現在C#で開発しています。
C#を使うのは初めてです。
LAMPでの開発経験はあり、フレームワークはcakephp、Zendの経験があります。
他はJavaScriptの経験もあります。

zendの場合などでは
コントローラで
$this->view->変数名＝セットする値; 
などでview側で変数、配列などなんでも使用することができるかと思います。

このような形でC#で使用できないのでしょうか
開発中のC#ではコントローラからmodelを呼び出し
consoleログでDB接続、select文で値を取得できるところまでは出来ております。
この取得した値をphpの
$this->view->変数名＝セットする値; 
のような形で
C#でもview側で配列を使用したいと考えております。

C#では初歩のViewDataを文字列を代入して使用する、
@Html.Action(アクション名)などでcshtmlを連結する
までは理解しています。
また、phpとC#での違いの
voidはreturnできない、関数の定義として戻り値の型を定義するところまでは理解しております。

コントローラから配列、変数の場合、どのように渡すのか
またview側でそれをどのように受け取りどのように使用するのか不明です。

phpなどといった簡単な高級言語しかやったことない開発にわかですが、ご教授いただけたら幸いです。
環境はvs2017、mvc5、C#7.0、SqlServer2008です。
よろしくお願いいたします。

C#のmvcの使い方、コントローラからビューへの値の渡し方

### 前提
python初心者です。
以下のサイトを見て異常検知AIを作ろうとしたのですが以下のエラーメッセージが発生しました。
https://qiita.com/michelle0915/items/28bc5b844bd0d7ab597b



### 発生している問題・エラーメッセージ

```
ValueError                                Traceback (most recent call last)
Cell In[3], line 69
     65   return K.mean(K.square(y_true - y_pred), axis=[1,2,3])
     67 model.compile(optimizer=optimizer, loss=r_loss)
---> 69 model.fit(
     70     train,
     71     train,
     72     batch_size=BATCH_SIZE,
     73     epochs=EPOCHS
     74 )

File ~\anaconda3\envs\opencv\lib\site-packages\keras\utils\traceback_utils.py:70, in filter_traceback.<locals>.error_handler(*args, **kwargs)
     67     filtered_tb = _process_traceback_frames(e.__traceback__)
     68     # To get the full stack trace, call:
     69     # `tf.debugging.disable_traceback_filtering()`
---> 70     raise e.with_traceback(filtered_tb) from None
     71 finally:
     72     del filtered_tb

File ~\AppData\Local\Temp\__autograph_generated_fileotg7w6jb.py:15, in outer_factory.<locals>.inner_factory.<locals>.tf__train_function(iterator)
     13 try:
     14     do_return = True
---> 15     retval_ = ag__.converted_call(ag__.ld(step_function), (ag__.ld(self), ag__.ld(iterator)), None, fscope)
     16 except:
     17     do_return = False

ValueError: in user code:

    File "C:\Users\owner\anaconda3\envs\opencv\lib\site-packages\keras\engine\training.py", line 1160, in train_function  *
        return step_function(self, iterator)
    File "C:\Users\owner\anaconda3\envs\opencv\lib\site-packages\keras\engine\training.py", line 1146, in step_function  **
        outputs = model.distribute_strategy.run(run_step, args=(data,))
    File "C:\Users\owner\anaconda3\envs\opencv\lib\site-packages\keras\engine\training.py", line 1135, in run_step  **
        outputs = model.train_step(data)
    File "C:\Users\owner\anaconda3\envs\opencv\lib\site-packages\keras\engine\training.py", line 993, in train_step
        y_pred = self(x, training=True)
    File "C:\Users\owner\anaconda3\envs\opencv\lib\site-packages\keras\utils\traceback_utils.py", line 70, in error_handler
        raise e.with_traceback(filtered_tb) from None
    File "C:\Users\owner\anaconda3\envs\opencv\lib\site-packages\keras\engine\input_spec.py", line 295, in assert_input_compatibility
        raise ValueError(

    ValueError: Input 0 of layer "model_8" is incompatible with the layer: expected shape=(None, 300, 300, 3), found shape=(None, 4032, 3024, 3)

```

### 該当のソースコード

```
from tensorflow.keras.layers import Input, Conv2D, Flatten, Dense, Conv2DTranspose, Reshape, Activation, LeakyReLU
from tensorflow.keras.models import Model
from tensorflow.keras import backend as K
from tensorflow.keras.optimizers import Adam
import numpy as np
import cv2
import glob


train_images = glob.glob('training_images/*')
train = []
for i in train_images:
    image = cv2.imread(i)
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    train.append(image)

train = np.array(train)
train = train.astype('float32') / 255

LEARNING_RATE = 0.0005
BATCH_SIZE = 8
Z_DIM = 100
EPOCHS = 50

encoder_input = Input(shape=(300,300,3), name='encoder_input')
x = encoder_input
x = Conv2D(filters=32, kernel_size=3, strides=1, padding='same', name='encoder_conv_0')(x)
x = LeakyReLU()(x)
x = Conv2D(filters=32, kernel_size=3, strides=1, padding='same', name='encoder_conv_0_1')(x)
x = LeakyReLU()(x)
x = Conv2D(filters=64, kernel_size=3, strides=2, padding='same', name='encoder_conv_1')(x)
x = LeakyReLU()(x)
x = Conv2D(filters=64, kernel_size=3, strides=2, padding='same', name='encoder_conv_2')(x)
x = LeakyReLU()(x)
x = Conv2D(filters=64, kernel_size=3, strides=1, padding='same', name='encoder_conv_3')(x)
x = LeakyReLU()(x)
shape_before_flattening = K.int_shape(x)[1:]
x = Flatten()(x)
encoder_output = Dense(Z_DIM, name='encoder_output')(x)
encoder = Model(encoder_input, encoder_output)

decoder_input = Input(shape=(Z_DIM,), name='decoder_input')
x = Dense(np.prod(shape_before_flattening))(decoder_input)
x = Reshape(shape_before_flattening)(x)
x = Conv2DTranspose(filters=64, kernel_size=3, strides=1, padding='same', name='decoder_conv_t_0')(x)
x = LeakyReLU()(x)
x = Conv2DTranspose(filters=64, kernel_size=3, strides=2, padding='same', name='decoder_conv_t_1')(x)
x = LeakyReLU()(x)
x = Conv2DTranspose(filters=32, kernel_size=3, strides=2, padding='same', name='decoder_conv_t_2')(x)
x = LeakyReLU()(x)
x = Conv2DTranspose(filters=32, kernel_size=3, strides=1, padding='same', name='decoder_conv_t_2_5')(x)
x = LeakyReLU()(x)
x = Conv2DTranspose(filters=3, kernel_size=3, strides=1, padding='same', name='decoder_conv_t_3')(x)
x = Activation('sigmoid')(x)
decoder_output = x
decoder = Model(decoder_input, decoder_output)

model_input = encoder_input
model_output = decoder(encoder_output)
model = Model(model_input, model_output)

optimizer = Adam(learning_rate=LEARNING_RATE)

def r_loss(y_true, y_pred):
  return K.mean(K.square(y_true - y_pred), axis=[1,2,3])

model.compile(optimizer=optimizer, loss=r_loss)

model.fit(
    train,
    train,
    batch_size=BATCH_SIZE,
    epochs=EPOCHS
)
```


### 補足情報（FW/ツールのバージョンなど）
anaconda3 jupyter notebook
opencv 4.6.0
Tensorflow 2.10.0