常連

注目の的

社会貢献

質問力

回答者

拍手喝采

質問者

自己紹介

有名人

AndroidでGoogleアカウント連携でRelease時(GooglePlayでリリース)にのみ「Unknown Source」エラーが出て先に進めません。
実機を接続してAndroidStudioからスマホデバイスで試験する時にはGoogleアカウント連携はできています。

以下のようなソースとなっていて、onActivityResultに返ってきた時に、エラーになって、
Log.w(TAG, "Debug: Google sign in failed", e);
が実行されています。
エラーの内容を以下につけています。原因がわからず困っています。アドバイスください。

```Java
    @Override
    protected void onCreate(Bundle savedInstanceState) {

        ....

        GoogleSignInOptions gso = new GoogleSignInOptions.Builder(GoogleSignInOptions.DEFAULT_SIGN_IN)
                // 「ウェブ アプリケーション」の　クライアント ID
                .requestIdToken(getString(R.string.google_web_client_id)) 
                .requestEmail()
                .build();
        mGoogleSignInClient = GoogleSignIn.getClient(this, gso);
    }

    // Googleボタン押下時の処理
    private void signInGoogle() {
        Intent signInIntent = mGoogleSignInClient.getSignInIntent();
        startActivityForResult(signInIntent, RC_GOOGLE_SIGN_IN);
    }

    @Override
    public void onActivityResult(int requestCode, int resultCode, Intent data) {
        super.onActivityResult(requestCode, resultCode, data);
        // Result returned from launching the Intent from GoogleSignInApi.getSignInIntent(...);
        if (requestCode == RC_GOOGLE_SIGN_IN) {
            Task<GoogleSignInAccount> task = GoogleSignIn.getSignedInAccountFromIntent(data);
            try {
                // Google Sign In was successful, authenticate with Firebase
                GoogleSignInAccount account = task.getResult(ApiException.class);
                firebaseAuthWithGoogle(account);
            } catch (ApiException e) {
                // Google Sign In failed, update UI appropriately
                Log.w(TAG, "Debug: Google sign in failed", e);
                failLogin("ログイン失敗。再度実施して下さい。");
            }
        }
    }
```

```エラーメッセージ
03-05 22:21:29.078 12365-12575/? E/TokenRequestor: You have wrong OAuth2 related configurations, please check. Detailed error: UNREGISTERED_ON_API_CONSOLE

03-05 22:21:29.306 8494-8494/? W/cloudLoginActivity: Debug: Google sign in failed
                                                     com.google.android.gms.common.api.ApiException: 10: 
                                                         at com.google.android.gms.common.internal.z.a(Unknown Source)
                                                         at com.google.android.gms.auth.api.signin.a.a(Unknown Source)
                                                         at com.xxxxx.xxxxxxx.cloudLoginActivity.onActivityResult(Unknown Source)
                                                         at android.app.Activity.dispatchActivityResult(Activity.java:6597)
                                                         at android.app.ActivityThread.deliverResults(ActivityThread.java:3733)
                                                         at android.app.ActivityThread.handleSendResult(ActivityThread.java:3780)
                                                         at android.app.ActivityThread.access$1400(ActivityThread.java:165)
                                                         at android.app.ActivityThread$H.handleMessage(ActivityThread.java:1425)
                                                         at android.os.Handler.dispatchMessage(Handler.java:102)
                                                         at android.os.Looper.loop(Looper.java:150)
                                                         at android.app.ActivityThread.main(ActivityThread.java:5621)
                                                         at java.lang.reflect.Method.invoke(Native Method)
                                                         at com.android.internal.os.ZygoteInit$MethodAndArgsCaller.run(ZygoteInit.java:794)
                                                         at com.android.internal.os.ZygoteInit.main(ZygoteInit.java:684)
```

```build.gradle
apply plugin: 'com.android.application'
check.dependsOn 'assembleMinSdkJellybeanDebugAndroidTest', 'assembleMinSdkIcsDebugAndroidTest'

android {
    compileSdkVersion 26
    buildToolsVersion "26.0.2"
    flavorDimensions "minSdkVersion"
    defaultConfig {
        applicationId "com.xxx.xxx"
        minSdkVersion 14
        targetSdkVersion 26
        versionCode 17
        versionName "1.5.13"
        testInstrumentationRunner 'android.support.test.runner.AndroidJUnitRunner'
    }
    buildTypes {
        release {
            minifyEnabled true
            proguardFiles getDefaultProguardFile('proguard-android.txt'), 'proguard-rules.pro'
        }
    }
    lintOptions {
        abortOnError false
    }
    productFlavors {
        // Build variant with minSdk 14, excludes Facebook and FirebaseUI libraries.
        minSdkIcs {
            dimension "minSdkVersion"
            minSdkVersion 15
        }

    }
}

dependencies {
    //noinspection GradleCompatible
    compile 'com.android.support:appcompat-v7:26.1.0'
    compile 'com.android.support:animated-vector-drawable:26.1.0'
    compile 'com.android.support:design:26.1.0'
    compile 'com.android.support:cardview-v7:26.1.0'
    compile 'com.google.firebase:firebase-auth:11.8.0'
    compile 'com.google.android.gms:play-services-auth:11.8.0'
    compile 'com.android.support.constraint:constraint-layout:1.0.2'
    androidTestCompile 'com.android.support.test.espresso:espresso-core:2.2.2'
    androidTestCompile 'com.android.support.test:runner:0.5'
    compile 'com.facebook.android:facebook-android-sdk:[4,5)'
    compile('com.twitter.sdk.android:twitter-core:3.0.0@aar') {
        transitive = true
    }
    compile('com.twitter.sdk.android:twitter:3.1.1@aar') {
        transitive = true
    }
    // For MPAndroidChart
    implementation 'com.github.PhilJay:MPAndroidChart:v3.0.3'
}

// ADD THIS AT THE BOTTOM
apply plugin: 'com.google.gms.google-services'
```

AndroidでGoogleアカウント連携でRelease時にエラー

[](https://teratail.com/questions/133189)

初心者です。

広告を表示する為、[こちらのサイト](http://pippi-pro.com/swift-admob-firebase)を見ながらFirebaseを実装しようとしていますが、importしようとすると「Could not build Objective-C module 'Firebase'」とエラーが出てしまいビルドができません。

[こちら](https://teratail.com/questions/133189)のご質問と同じ状態で、CleanやDerivedDataの削除などは何度も試しましたが、一向に解消されません。

ネットで探してもこれ以外の決定的な解消策は見つからないのですが、気になるのはビルドすると更に「'FirebaseCore/FirebaseCore.h' file not found」というエラーが出ます。


これは「Could not build Objective-C module 'Firebase'」が解消されていないから出てくるエラーなのでしょうか？

それとも、「'FirebaseCore/FirebaseCore.h' file not found」が原因で「Could not build Objective-C module 'Firebase'」が治らないのでしょうか？
もし後者でしたら、後者の解決方法が分かればご教示ください。

よろしくお願いいたします。

Could not build Objective-C module 'Firebase'と'FirebaseCore/FirebaseCore.h' file not foundの関係性

Vue.jsで作成したPWAのWebアプリがあるのですが、キャッシュのせいで更新が効きません。
そこでボタンを押すと手動で更新できるようにしたいと思い以下のサイトを参考にコードを書いてみたのですが、service workerをあまり理解できていないため上手くいきませんでした。

https://blog.htmlhifive.com/2018/08/27/pwa-cache-update/

ボタンで実装しなくても良いのでユーザーがPWAのアプリを簡単に最新の状態で使用できるようにしたいです。どのようにしたら良いでしょうか..?

```ここに言語を入力
/* registerServiceWorker.js */

import { register } from 'register-service-worker'

if (process.env.NODE_ENV === 'production') {
  register(`${process.env.BASE_URL}service-worker.js`, {
    ready () {
      console.log(
        'App is being served from cache by a service worker.\n' +
        'For more details, visit https://goo.gl/AFskqB'
      )
    },
    registered () {
      console.log('Service worker has been registered.')

      if ('serviceWorker' in navigator) {
        navigator.serviceWorker
          .register('/serviceworker.js')
          .then(registration => {
            // 登録成功
            registration.onupdatefound = function() {
              console.log('アップデートがあります！');
              registration.update();
            }
          })
          .catch(err => {
            // 登録失敗
            console.log(err);
        });
      }


    },
    cached () {
      console.log('Content has been cached for offline use.')
    },
    updatefound () {
      console.log('New content is downloading.')
    },
    updated () {
      console.log('New content is available; please refresh.')
    },
    offline () {
      console.log('No internet connection found. App is running in offline mode.')
    },
    error (error) {
      console.error('Error during service worker registration:', error)
    }
  })
}

```

```ここに言語を入力
/* setting.vue */

<template>
  <v-btn @click="appUpdate">
    アプリを最新の状態にアップデート
  </v-btn>
</template>

<script>

export default {

    appUpdate(){

      navigator.serviceWorker.getRegistration()
        .then(registration => {
          registration.unregister();
        })
        
      const channel = new MessageChannel();
      navigator.serviceWorker.controller
        .postMessage('update', [channel.port2]);        

      var urlsToCache = [
        '/',
        '/bower_components/jquery/dist/jquery.min.js',
        '/bower_components/hifive/h5.js',
        '/bower_components/hifive/h5.css',
        '/bower_components/hifive/ejs-h5mod.js',
        '/ncmb.min.js',
        '/app.js'
      ];

      self.addEventListener('install', function(event) {
        return install(event);
      });

      self.addEventListener('message', function(event) {
        return install(event);
      });

      var CACHE_NAME = 'my-site-cache-v1';

      const install = (event) => {
        return event.waitUntil(
          caches.open(CACHE_NAME)
            .then(function(cache) {
              urlsToCache.map(url => {
                return fetch(new Request(url)).then(response => {
                  return cache.put(url, response);
                });
              })
            })
            .catch(function(err) {
              console.log(err);
            })
        );
      }
    }
  },
}
</script>


```

PWAのWebアプリをいつでも最新の状態にしたいです

最近SPAについて勉強しています。

SPAでは、クライアントサイドレンダリングが基本だと思います。
Vue.js や React を用いてビュー部分をブラウザにわたし、サーバーサイドではAPIのみを提供しページの構築を行うと思います。

例えば、「管理者なら管理用メニュー、一般ユーザーなら普通のメニューを表示する」のようなロジックを例にすると、ビュー（ここでは Vue.js を使用すると仮定）では次のような実装が考えられると思います。

```html
<div v-if="userType === 'user'">
   	
</div>
<div v-if="userType === 'admin'">
	
</div>
```

善良なユーザーが使う分には問題無いと思いますが、悪意あるユーザーがコンソールで「userType = 'admin';」などと入力しただけで管理用メニューが表示されてしまいます。

また、そうでなくても表示されないにしろ、HTML/JSに管理用メニューの名前、及びAPIのアクセス先が書いてあるため、API側で何かしらの認証処理をするという前提があったとしても、管理用メニューにどういうものがあるのかを見られてしまうのは脆弱性につながりかねません。

このような点に関してどのような対処をするのが一般的なのでしょうか？


[追記]
皆さん、回答ありがとうございます！
質問の仕方が悪く、自分の伝えたい本質を書くことができていませんでした。

認証周りの話というよりはユーザー(ブラウザ)がコンポーネントに対する操作が可能ということに疑問を持っています。

コンソールからコンポーネントに渡すデータを変えればそのコンポーネントの挙動を変更することとが可能だと思います。

例えば入力フォームを作る場合に特定の条件のユーザーにはフォームを表示しないといったケース、
具体的にはアンケートでユーザーの会員情報で性別が女性の場合は化粧品についてのアンケートも追加で表示させるケースを考えたいと思います。

サーバーサイドレンダリングであればサーバー側でユーザーの性別を見て生成するHTMLを変更できます。

クライアントサイドレンダリングの場合は一旦全て送り、ユーザー側で非表示にさせるといった処理が考えられそうです。

ここでユーザーがコンソールから性別データをいじった場合、男性なのに化粧品のアンケートを表示させる、女性なのに化粧品のアンケートを表示させない のようなことが可能になってしまう気がします。

回答でいただいたコードスプリッティングなどで対応はできそうですが、こんな些細なものごとにいちいち分割しているとは思えません。

[追記2]
もちろんこれはSPAに限らずJavascript自体のリスクではあると思いますが、
サーバーサイドレンダリングの場合、JSは「見た目の操作」にのみ使われてることが多いと思います。
SPAではややロジックも担当している印象を受けたためこのような質問をしました。

ユーザーからの挙動変更が可能なリスクがある中でどのような策がなされているのか、あるいはなすべきなのか 教えていただきたいです。

SPA・クライアントサイドレンダリングはセキュリティ的に安全なのでしょうか？

Vue.jsでタブを作っていますがそれぞれのタブに削除ボタンをつけたいのですが。
どのようにすればつけられるのでしょうか？

タブに削除ボタンを追加するには

### 前提・実現したいこと

ハフ変換を用いた円検出を行いたいです。
パラメータの設定がうまくできません。

以下、円検出を行うサンプル画像です

![円検出を行うサンプル画像です](31ba3e10c38d6cc499836553eeccd811.jpeg)

### 該当のソースコード

```python
import cv2
import numpy as np

img = cv2.imread('C:/Users/ito/Anaconda3/envs/Sample/pic/testimg/IMG_0557.jpg', 0)
img = cv2.medianBlur(img, 5)
cimg = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

circles = cv2.HoughCircles(img, cv2.HOUGH_GRADIENT, 1, 10, param1=500, param2=100, minRadius=0, maxRadius=0)

circles = np.uint16(np.arround(circles))
for i in circles[0,:]:
    cv2.circle(cimg, (i[0], i[1]), i[2], (0,255,0), 2)
    cv2.circle(cimg, (i[0], i[1]), 2, (0,0,255), 3)
    

cv2.imshow('detected circles', cimg)
cv2.waitKey(0)
cv2.destroyAllWindows
cv2.imwrite('C:/Users/ito/Anaconda3/envs/Sample/pic/result/Hough_sample01.jpg', cimg)
```

### 試したこと

パラメータの設定変更

### 補足情報（FW/ツールのバージョンなど）
windows7 professional
python3.6.5
opencv3.3.1

opencvでの円検出について

python3.5,OpenCV3.3を使っているプログラミング初心者です。

いつもお世話になっております。

モノクロの画像に白い点がいくつか存在し、それらのピクセル座標(x,y)を取得したいと考えています。
2重for文で回し(0,0)から(4096,2160)まで回し、その途中で白いピクセルが発見できたら、その座標を保存するプログラムを書きたいです。

以下、ソースコードなのですが、
まず、if文で白かどうかを判断するところが間違っていると思います。
また、このコードだと、1回実行するのにもものすごく時間がかかってしまいます。。。

なにか良い解決策はありますでしょうか？？

```python
def main():
    
    
    #画像を入力
    img = input('画像をを入力してください: ')
    #画像の読み込み
    img=cv2.imread(img)
    
    cv2.namedWindow("img", cv2.WINDOW_KEEPRATIO | cv2.WINDOW_NORMAL)
    
    X = []
    Y = []
    count = 0
    
    
    #4096ピクセルまで繰り返し
    for i in range(0, 4096):
      #2160ピクセルまで繰り返し  
      for j in range(0, 2160):
        #そこのピクセルが白ならば←ここが間違っている？
        if (i,j) == white:
            #リストにその座標値を保存
            X.append(i)
            Y.append(j)
            #入った個数をカウント
            count += 1
            
    print(X)
    print(Y)
    print(count)
    
    
if __name__ == "__main__":
    main()
```

pythonで白黒画像から白い部分の画素を取得

フロントエンドの必要性がよく理解できません。

Python(flask)やRuby(Ruby on Rails)などでWebアプリを開発してきました。ですが、その間、一度もフロントエンド（javascript)の需要を感じませんでした。

一体、いつ、どのように必要に迫られるのでしょうか？

決して、フロントエンドをdisるわけではないです。

むしろ、Node.jsが登場して、フロントもバッグもjavascriptで書けると知って、すごく興味があります。

ただ、React.jsやAngularを使ってまで（勉強してまで）、フロンド側に何か処理をさせなければならないのでしょうか？アクションごとにページ遷移してはいけないのでしょうか？

React.js, Angular, Vue.js, jQueryとさまざまなフレームワーク？ライブラリ？がありますが、どう使い分けるのでしょうか？そもそも、それらに頼るときとは、どのようなときなのでしょうか？


追記
回答ありがとうございました。こんなにたくさんの回答が得られるとは思っていませんでした。
非同期通信の例をきいて、なるほどと思いました。
本当に、ありがとうございました。

フロントエンドの必要性について

### 前提・実現したいこと

現在、DjangoでWebページを作成しており、
ページ内で画像を表示させたいのですが、うまく表示できません。
トップページに埋め込んだstaticな画像は表示されているのですが、
Aboutページの画像がどうも読み込まれていないようです。

### 発生している問題・エラーメッセージ

```
safariだと、はてなマークが出ている状態です。
chromeでも表示できませんでした。

```

### 該当のソースコード

```エラー、ターミナルで出てきたコード
Not Found404(画像が見つからない)
"GET /static/posts/%7B%%20static```

### 試したこと

保存されている場所
コードの間違い
などは全て確認いたしました。
しかし、おかしい部分は特にありませんでした。

また、
sqlite3 ~/Library/Keychains/*/ocspcache.sqlite3 'DELETE FROM ocsp;'
でキャッシュの削除もやってみました。
変化はありませんでした。

### 補足情報（FW/ツールのバージョンなど）

ターミナルで出てきたコードもそうですし、
表示されていない部分を右クリックしてアドレスを取得してみると
/static/posts/%7B%%20static
という表示になっております。
ここの部分が正常に表示されるようになれば、画像も表示されると思うのですが
正直どう手をつけて良いのか分かりません...。

Django : 画像が表示されません

[フォルダ構成]
```
└─Root
    │
    ├─Root
    │  │  settings.py
    │
    ├─Folder　　(フォルダ)
    │  │
    │  ├─App1　　(アプリ)
    │  │  │  admin.py
    │  │  │  apps.py
    │  │  │  models.py
    │  │  │  __init__.py
    │  │  │
```
[settings.py]
```python
INSTALLED_APPS = [
    # etc
    'Folder.App1',
]
```
[admin.py]
```python
from django.contrib import admin
from .models import M_USER

class M_USER_ADMIN(admin.ModelAdmin):
    pass

admin.site.register(M_USER, M_USER_ADMIN)
```
[apps.py]
```python
from django.apps import AppConfig

class App1Config(AppConfig):
    name = 'App1'
    verbose_name = 'アプリ1'
```
[models.py]
```python
from django.db import models

class M_USER(models.Model):
    user_id = models.AutoField(
        primary_key=True,
        verbose_name='ユーザーID'
    )
    user_name = models.CharField(
        max_length=32,
        verbose_name='ユーザー名'
    )
    is_active = models.BooleanField(
        default=True,
        verbose_name='有効'
    )

    class Meta:
        verbose_name = verbose_name_plural = "ユーザー"

    def  __unicode__(self):
        return self.user_name
```

---

Django1.11.7を使用し上記の様な構成で開発をしています。
管理サイトで「App1」の「M_USER」を表示させると
```
└─App1
    │
    ├─ユーザー
```
と表示されるのですが「App1」の箇所の表示を「アプリ1」に変えたい場合はどの様にすれば良いのでしょうか？

[ここ](http://tokibito.hatenablog.com/entry/20140922/1411391678)を参考にして
[__init__.py]
```python
default_app_config = 'Folder.App1.apps.App1Config'
```
と記述してみたのですが
```
django.core.exceptions.ImproperlyConfigured: Cannot import 'App1'. Check that
'Folder.App1.apps.App1Config.name' is correct.
```
上記のエラーメッセージが表示されます。

---
「App1」を「Folder」の中に置かず、「Root」に配置すれば問題なくアプリ名の変更が出来ることは確認出来たのですが、現在のフォルダ構成のままアプリ名を変更するにはどの様にすれば良いのでしょうか？

管理サイトに表示されるアプリ名を変更したい

### 質問
PHPでは$_SERVERを使用する↓ことで遷移前の1つ前のページのURLを取得できることを前に学んだのですが、
Pythonにはこういった便利な変数みたいなものは特にないのでしょうか？
```
<?php echo $_SERVER['HTTP_REFERER']; ?>
```

色々調べてみたのですが、結果に表示されるものがPHPばかりだったため、もし見逃していたらと思い投稿しました。

### やりたいこと
URLからあるサイトの記事にアクセスした際に非ログインだったためログインページに飛ばされるところまではできています
しかし、そのログイン後にTOPページに飛んでしまうため、再度みたかった記事を探さなければなりません。
1つ前のURLw取得しておき、redirectでもともとアクセスしたURLに遷移するようにしたいと思っています。

Pythonの特徴的にあまりこういった1ページ前のuRL取得などの処理は行わないのが一般的なのでしょうか？

### 追記（11/14 17:00）
request.refferrerというものがあることを知りました。
しかし、ログイン後の各ページの移動の際にはきちんと前のページのURLを取得することができますが、ログイン前の状態でログイン後に遷移可能なページのURLを直接叩いても取得されず、Noneとなってしまいます。

ログイン後に遷移できるページには
@login_requiredを使用しているため、そもそもURLが取れないのでしょうか...?
```
@login_manager.unauthorized_handler
def unauthorized():
    app.logger.info('ログイン失敗')
    print(request.referrer)
    return redirect(url_for('login', next=request.referrer))
```
↑の```print(request.referrer)```がNoneになります

↓遷移可能なページの処理を記載しているところ
```
@app.route('/')
@login_required
def home():
```

### 追記（11/15 15:00）
request.urlというものを知りました。
```
@login_manager.unauthorized_handler
def unauthorized():
    app.logger.info('ログイン失敗')
    print(request.url)
    return redirect(url_for('login', next=request.url))
```
↑のようにrequest.referrerからrequest.urlに変更したところ前のページのURLを取得することができました。
リダイレクト先のdef loginでも
```
@app.route('/login', methods=['GET', 'POST'])
def login(next=None):
    print(request.url)
~~~
```
と記載すると1つ前のURLが取れているように見えます。

その後、1つ前のURLを保持した状態でログインをすると
```
@app.route('/login', methods=['GET', 'POST'])
def login(next=None):
    print(request.url)
~~~
```
↑のprint文において、先ほどは取れていたURLではなく
http://~~~~~/loginのようにログインページが1つ前のページ扱いになってしまいます。

何がおかしい（何が起きている）のかわからず困っています...。
詳しい方よろしくお願いいたします。

### 追記（11/16 10:00）
```
@app.route('/login', methods=['GET', 'POST'])
def login(next=None):
    print(request.url)
```
↑を実行すると、
>>> http://[IPアドレス]/contents/1
のように1つ前のURLを取得できます

しかし、その状態でログインを行うと
>>> http://[IPアドレス]/login
のようにloginページが1つ前のページ扱いとなってしまいます...

PythonでのURL値の取得

Pythonを使ってネイティブアプリケーションを開発したいです。
webアプリケーションは開発できるとわかりました。

質問は2つです

・webアプリケーションをiOSやandroidでリリースすることは可能でしょうか？

・それはPycharmで開発できるのでしょうか？

Pythonの事は全くの初心者です。宜しくお願いします。

もしできるのであれば、ツールなども教えてくださると幸いです

Pythonでネイティブアプリを開発するには

PythonのBeautifulSoupでタグ内直下のテキストのみを取得する方法を教えてください。
子要素のテキストは除きます。

例えば、

<h1 name="a">AAA<b>BBB</b></h1>

といったタグで、「AAA」のみを取得する方法です。

title = soup.find("h1").text

とすると、titleには、「AAA BBB」が入ってしまいます。
「BBB」は取得せずに、「AAA」のみ取得する方法を教えてください。

PythonのBeautifulSoupでタグ内直下のテキストのみを取得する方法は？【子要素のテキストを除く】

私はC++歴3年の学生趣味プログラマーです。
「C++はなぜヘッダと実装を分けなくてはならないのか/そもそも本当に分けなければならないのか」という質問です。

C++といえば、ヘッダー部と実装部を.hファイルと.cppファイルに分けることが一般的とされている言語ですが、
これは同じオブジェクト指向言語のC#やJavaにはない特徴です。

そのせいでC++使いたちは今日もcppファイルとhファイルを行ったり来たりしながらコーディングする羽目になっています。（そしてVS使いはF12とCtrl+-を得意気に連打しています。）

私にとってもそれが当たり前になって久しいですが、
時々C++を学び始めたばかりの後輩から「なぜヘッダファイルに実装を書いてはならないのか」「なぜC++は二度も同じコードを書くことを強いるのか」と質問を受けます。
私はそのたびに「実装の隠蔽化」とか「循環参照の危険が云々」とか「そもそもそういう言語なんだ」とか「コード構造の可読性」とか「未来の自分が困るんだよ」とか言ってお茶を濁してきましたが、
自分自身どうも納得しきれていません。

例えば、個人開発で、循環参照の問題やコンパイル時間の問題がないようなコード構造であれば、
ヘッダに実装を書くことに果たして問題はあるのでしょうか？

私はどうやって後輩たちを納得させ、C#ライクなC++コードを書きたがる彼らを説得したらよいでしょうか。

意見を聞かせてもらえれば嬉しいです。

参考にしたサイト一部
[ヘッダファイルの謎(3)](http://d.hatena.ne.jp/mihael2/20031028)
[プログラミングメモ - C++ のソースをヘッダと実装に分ける理由とか](http://qune.cside.com/archives/001334.html)
[C++ でのビルド時間を短縮するいくつかの方法](http://d.hatena.ne.jp/melpon/20101022/1287705842)

関係がありそうなキーワード
・隠蔽化、循環参照、テンプレート、inline、コンパイル


追記(15/06/04 23:34)：
・「第三者利用」が問題なら「ライブラリとしての公開やチーム開発などコードの再利用がない個人開発」という前提になればヘッダに実装してしまっても構わないことになりますがいいのでしょうか。
・「コンパイル時間」が問題ならマシンスペックの向上で将来的に解決されるレベルの問題であり、あくまで"現時点では"ヘッダファイルに実装を書くのは好ましくない、という話になってしまいますがそういう理解でよろしいのでしょうか。

・結局、二度書きの手間に対して十分なメリットが確保できるか否かという話になり、好みや自己責任の話になってしまうのではと危惧しています。C++とはどんな言語なのか、なかなか思想が見えてこなくて理解が及ばないです。レイヤーの低さや速度に特徴があるが、開発効率ではC#に劣る古き業務用言語ということなのでしょうか？（あえて極端な言い方をしています）

・（なお、私自身はヘッダで実装を書くことはないです。そこそこの規模のコードを書いたりしますしヘッダと実装は分けないとやってらんないです。自分が書いたコードを読んで構造を思い出す作業は苦行ですのでそれが不要な時点で恩恵は強く感じています。ですのでこれは主観の話ではなく言語思想,言語仕様の話として回答いただければ幸いです。）

【C++】なぜヘッダと実装はわけるべきなのでしょうか（.hに実装を書くことは邪道か）

# 質問内容
DirectXとWindows APIの違いを知りたいです。
例えば、以下のようなことです。
- コードを書く際に、どのような違いがあるのか？
- Windows APIは何に向いていて、DirectXは何に向いているか？

# 質問に至った経緯
DirectXでプログラムを書こうと思い、ネットでDirectXについて調べていたところ、Windows APIというものを見つけました。Unityのようなゲームエンジンを用いて書くプログラムとは違い、原始的なプログラムを書くという点でDirectXとWindows APIは似ていると感じました。2つの間にどのような違いがあるか分らず、DirectXとWindows APIのどちらに手をつければ良いのか分らなくなったため、質問するに至りました。

ちなみに、DirectXはゲーム制作に利用する予定です。

Windows APIとDirectXの違い

tensorflowでの画像入力とディープラーニングを学んでいるところなのですが、畳みこみ層とプーリング層での処理の違いが判らなくて、質問させていただきました。

[qiita記事](http://qiita.com/akiraak/items/870173a361a59f1e88bb)を読んでいます。

各第一層と各第二層では、学習している観点がちがう（例えば、画像の丸みを解析している層と傾斜を解析している層）のはなんとなくわかるのですが、なぜ畳みこみ層とプーリング層でやっている処理が同じなのでしょうか。

[畳みこみ層とプーリング層の解説記事](http://postd.cc/how-do-convolutional-neural-networks-work/)を読んでいると、各層の処理はまったく違うものだという認識なのですが。

●畳みこみ層・・パターンが1なのか-1なのかを比較する
●プーリング層・・畳みこみ層の結果をウィンドウに細分化し、それぞれのウィンドウで最大値を算出して画像の適合度を担保することで、重要な情報を残して縮小する

```python
 # 畳み込み１層
    h_conv1_result = h_conv1.eval(feed_dict=feed_dict)
    for i, result in enumerate(h_conv1_result):
        images = channels_to_images(result)
        save_image("3_%s_h_conv1_%02d.png" % (tag, i), images)

    # プーリング１層
    h_pool1_result = h_pool1.eval(feed_dict=feed_dict)
    for i, result in enumerate(h_pool1_result):
        images = channels_to_images(result)
        save_image("3_%s_h_pool1_%02d.png" % (tag, i), images)

    # 畳み込み２層
    h_conv2_result = h_conv2.eval(feed_dict=feed_dict)
    for i, result in enumerate(h_conv2_result):
        images = channels_to_images(result)
        save_image("3_%s_h_conv2_%02d.png" % (tag, i), images)

    # プーリング２層
    h_pool2_result = h_pool2.eval(feed_dict=feed_dict)
    for i, result in enumerate(h_pool2_result):
        images = channels_to_images(result)
        save_image("3_%s_h_pool2_%02d.png" % (tag, i), images)

```

tensorflowの畳みこみ層とプーリング層の処理の違い

オブジェクト指向の練習を兼ねて、CNNをクラスで実装したいと考えています。

```python
import tensorflow as tf
import numpy as np
from dataset.mnist import load_mnist

(x_train, t_train), (x_test, t_test) = load_mnist(normalize=True, one_hot_label=True)

class 畳み込み層:
    def __init__(self, f枚数1, f枚数2):
        self.フィルター1 = tf.Variable(tf.truncated_normal([5,5,1,f枚数1],
                                                               stddev=0.1))
        self.バイアス1 = tf.Variable(tf.constant(0.1, shape=[f枚数1]))

        self.フィルター2 = tf.Variable(tf.truncated_normal([5,5,f枚数1, f枚数2],
                                                               stddev=0.1))
        self.バイアス2 =  tf.Variable(tf.constant(0.1, shape=[f枚数2]))

    def 伝達処理(self, 入力値):
        """引数の入力値には、tf.placeholderの4次元配列を渡す"""

        f1, b1 = self.フィルター1, self.バイアス1
        f2, b2 = self.フィルター2, self.バイアス2

        コンバート1 = tf.nn.conv2d(入力値, f1, strides=[1,1,1,1],
                                   padding="SAME")
        活性化1 = tf.nn.relu(コンバート1 + b1)

        プーリング1 = tf.nn.max_pool(活性化1, ksize=[1,2,2,1],
                                     strides=[1,2,2,1], padding="SAME")

        コンバート2 = tf.nn.conv2d(プーリング1, f2, strides=[1,1,1,1],
                                   padding="SAME")
        活性化2 = tf.nn.relu(コンバート2 + b2)
        プーリング2 = tf.nn.max_pool(活性化2, ksize=[1,2,2,1],
                                     strides=[1,2,2,1], padding="SAME")

        return プーリング2

class 全結合層(畳み込み層):
    def __init__(self, 入力数, 中間数, 出力数):

        self.重み1 = tf.Variable(tf.truncated_normal \
                                         ([入力数, 中間数],
                                          stddev=tf.sqrt(2.0 / 入力数)))

        self.バイアス1 = tf.Variable(tf.truncated_normal \
                                    ([中間数], stddev=0.1))

        self.重み2 = tf.Variable(tf.truncated_normal \
                                          ([中間数, 出力数],
                                           stddev=tf.sqrt(2.0 / 中間数)))

        self.バイアス2 = tf.Variable(tf.truncated_normal \
                                    ([出力数], stddev=0.1))

    def 伝達処理(self, f枚数1, f枚数2, 入力値):
        """引数の入力値には、tf.placeholderの4次元配列を渡す
            変数[畳出力値]で畳み込み層の出力結果を受け取り
            全結合の伝達処理をする"""

        畳出力値 = 畳み込み層(f枚数1, f枚数2).伝達処理(入力値)
        行サイズ = tf.size(畳出力値[0])
        全結合 = tf.reshape(畳出力値, [-1, 行サイズ])

        w1 , b1 = self.重み1, self.バイアス1
        w2 , b2 = self.重み2, self.バイアス2

        一層目 = tf.matmul(全結合, w1) + b1
        活性化1 = tf.nn.relu(一層目)
        ドロップアウト1 = tf.nn.dropout(活性化1, self.キープ率)

        二層目 = tf.matmul(ドロップアウト1, w2) + b2
        活性化2 = tf.nn.relu(二層目)
        出力層 = tf.nn.softmax(活性化2)

        return 出力層

    def 欠損関数(self, 入力値, 正解ラベル):
        """交差エントロピーを使用
           tf.clip_by_valueで出力がnanにならないように対策"""

        出力値 = self.伝達処理(32, 64, 入力値)
        欠損値バッチ = -tf.reduce_sum(正解ラベル * tf.log(tf.clip_by_value\
                                                        (出力値, 1e-10, 1.0)),
                                                        axis=1)
        交差エントロピー = tf.reduce_mean(欠損値バッチ)
        return 交差エントロピー

    def 正解率(self, 入力値, 正解ラベル):
        出力値 = self.伝達処理(32, 64, 入力値)
        真理値判定 = tf.equal(tf.argmax(出力値, 1), tf.argmax(正解ラベル, 1))
        正解率 = tf.reduce_mean(tf.cast(真理値判定, tf.float32))
        return 正解率

    def 確率的勾配下降(self, 入力値, 正解ラベル):
        欠損値 = self.欠損関数(入力値, 正解ラベル)
        勾配下降 = tf.train.AdamOptimizer(0.01). minimize(欠損値)
        return 勾配下降

    def 学習処理(self, f枚数1, f枚数2):
        with tf.Session() as セッション:
            セッション.run(tf.global_variables_initializer())

            画像サイズ = tf.placeholder(tf.float32, [None, 784])
            正解サイズ = tf.placeholder(tf.float32, [None, 10])
            入力値 = tf.reshape(画像サイズ, [-1, 28, 28 ,1])

            self.キープ率 = tf.placeholder(tf.float32)

            i = 0
            for _ in range(10000):
                i += 1
                バッチ番号 = np.random.choice(60000, 50)
                k入力バッチ = x_train[バッチ番号]
                k正解バッチ = t_train[バッチ番号]
                n = セッション.run(self.確率的勾配下降(入力値, 正解サイズ),
                                                       feed_dict={画像サイズ:k入力バッチ,
                                                                  正解サイズ:k正解バッチ,
                                                                  self.キープ率:0.5})

            if i == 100:
                print(n)


net = 全結合層(3136,1024,10)
net.学習処理(32, 64)
```

自分に判りやすいように、畳み込み層と全結合層を分けて書いています

このコードを実行するとtf.global_variables_initializer()で初期化出来ていないという趣旨のエラーが出ます

それともインスタンス変数で初期化するのはあまり望ましくない事なのでしょうか？

わかる方いらしたらよろしくお願いします><


追記
結構前の質問ですが、自分のしたい感じの事が出来たので、一応追記しておきます。

```python
mport tensorflow as tf
import numpy as np
import モデル
import 関数
from dataset.mnist import load_mnist

class mnist:
    def __init__(self,入力形状, 正解形状, f枚数, 中間数, 学習率):
        self.セッション = tf.Session()
        self.入力ホルダ = tf.placeholder(tf.float32, 入力形状)
        self.正解ホルダ = tf.placeholder(tf.float32, 正解形状)
        self.キープ率 = tf.placeholder(tf.float32)

        """畳み込み層のパラメーター"""
        self.f1 = tf.Variable(tf.truncated_normal([3, 3, 1, f枚数],
                                                   stddev=0.01))
        self.fb1 = tf.Variable(tf.truncated_normal([f枚数],
                                                   stddev=0.01))
        self.f2 = tf.Variable(tf.truncated_normal([3, 3, f枚数, f枚数],
                                                   stddev=0.01))
        self.fb2 = tf.Variable(tf.truncated_normal([f枚数],
                                                   stddev=0.01))

        self.畳み込み出力 = モデル.cnn_batch_relu(self.入力ホルダ,
                                                self.f1, self.fb1,
                                                self.f2, self.fb2)

        """全結合層のパラメーター"""
        入力数 = tf.size(self.畳み込み出力[0])
        全結合 = tf.reshape(self.畳み込み出力, [-1, 入力数])
        出力数 = 正解形状[1]

        self.重み1 = \
            tf.Variable(tf.truncated_normal([入力数,中間数],
                     stddev=tf.sqrt(2.0 / tf.cast(入力数, tf.float32))))
        self.バイアス1 = tf.Variable(tf.truncated_normal([中間数],stddev=0.01))

        self.重み2 = \
            tf.Variable(tf.truncated_normal([中間数, 出力数],
                stddev= 0.01))
        self.バイアス2 = tf.Variable(tf.truncated_normal([出力数], stddev=0.01))

        self.出力層 = モデル.fcn_batch_relu(self.重み1, self.バイアス1,
                                            self.重み2, self.バイアス2,
                                            全結合, self.キープ率)

        self.欠損値 = 関数.二乗和誤差(self.出力層, self.正解ホルダ)
        self.勾配下降 = \
            tf.train.GradientDescentOptimizer(学習率).minimize(self.欠損値)
        self.セッション.run(tf.global_variables_initializer())

    def 出力層run(self, 入力値, キープ率):
        return self.セッション.run(self.出力層,
                                   feed_dict={self.入力ホルダ:入力値,
                                              self.キープ率:キープ率})


    def 欠損値run(self, 入力値, 正解ラベル, キープ率):
        return self.セッション.run(self.欠損値,
                                   feed_dict={self.入力ホルダ:入力値,
                                              self.正解ホルダ:正解ラベル,
                                              self.キープ率:キープ率})

    def 正解率run(self, 入力値, 正解ラベル, キープ率):
        出力層 = self.出力層run(入力値, キープ率)
        正解率 = 関数.分類正解率(出力層, 正解ラベル)
        return self.セッション.run(正解率,
                                   feed_dict={self.入力ホルダ:入力値,
                                              self.正解ホルダ:正解ラベル,
                                              self.キープ率:キープ率})

    def 勾配下降run(self, 入力値, 正解ラベル, キープ率):
        self.セッション.run(self.勾配下降,
                            feed_dict={self.入力ホルダ:入力値,
                                       self.正解ホルダ:正解ラベル,
                                       self.キープ率:キープ率})


(入力値, 正解ラベル), (t入力値, t正解ラベル) = load_mnist(flatten=True,
normalize=False, one_hot_label=True)

network = mnist([None, 28, 28, 1], [None, 10], 50, 2024, 0.0001)

入力値 = 入力値.reshape(60000, 28, 28, 1)
t入力値 = t入力値.reshape(10000, 28, 28, 1)
学習回数 = 50000
バッチsize = 100

for _ in range(学習回数):
    ミニバッチ = np.random.choice(60000, バッチsize)
    入力ミニバッチ = 入力値[ミニバッチ]
    正解ミニバッチ = 正解ラベル[ミニバッチ]
    network.勾配下降run(入力ミニバッチ, 正解ミニバッチ, 0.5)

    if _%200 == 0:
        欠損値リスト = []
        正解率リスト = []
        start = 0
        end = 1001
        for i in range(10):
            欠損値 = network.欠損値run(t入力値[start:end],
                                    t正解ラベル[start:end],
                                    1.0)

            正解率 = network.正解率run(t入力値[start:end],
                                    t正解ラベル[start:end],
                                    1.0)

            欠損値リスト.append(欠損値)
            正解率リスト.append(正解率)
            start += 1000
            end += 1000

        print(len(欠損値リスト))
        print(len(正解率リスト))
        print(_, "欠損値", np.sum(欠損値リスト) / 10)
        print(_, "正解率", np.mean(正解率リスト))
```

インスタンス変数にtf.Sessionとtf.global_variables_initializerを置く事で、前回のエラーを回避しつつ、session.runもうまく起動する事が出来ました。

tensorflow インスタンス変数の初期化は可能?

ディープラーニングについて始めたいのですがたくさん疑問がありすぎます。
画像識別についてですが
[Kerasでキルミーアイコン686枚によるキルミー的アニメ絵分類](http://qiita.com/domkade/items/760b433a1749a3287b1d)
上に他の画像でも識別できるようなことが書いてあったので
あげているソースコード
[kill_me_learning](https://github.com/domkade/kill_me_learning)
を理解するところから始めようと思いました。
様々なサイトを見ましたが、いまいち畳み込み層、プーリング層、全結合層のイメージがわかりません。
上記コードのkml_train.pyにおいて、このコードではニューラルネットワーク構築の際kerasをつかっているようですが、
Sequentialにてモデル構築。addでその機能を追加していくようなイメージだと思います。
Convolution2Dは、3*3のフィルタを３２回かけていくというでしょうか？、フィルタの数（３２）がそのまま次のノード数に繋がると考えて良いのでしょうか？？
フィルタをかけたあとにrelu関数（0を超えていれば入力をそのまま出力する関数）を用いることで濃淡が数値として表され、何もないところは０何か色がある場合はそこの値がそのまま出力されるということでエッジ検出などにつかわれるということですか？？

プーリング層ですが画像を圧縮していくということですが、これは何かが写っている部分だけを画像とするので小さくなるということでしょうか？？

全結合層についてはまったくわかりません。
色々な知識を数日で詰め込んでしまった結果余計わからなくなってしまいました…。
![イメージ説明](2ae64e11d99d501d7b8e36d36a4b1e7c.png)
インプットの１ノードに画像の１ピクセルが入っていますよね？ここからどのように動いているのか教えて欲しいです…。