常連

注目の的

社会貢献

### 前提・実現したいこと

Windows10にて, Pythonを使ってF.W. Bell社の5180 Gauss/Tesla Meter(つまり、制御対象である測定器)とのUSB通信をPythonを用いて行いたいです。
具体的には、パソコンからPythonで測定器にコマンド(送るコマンドは"*IDN?"のようにすでに指定されています。)を送ることで、測定器に書いてある値をパソコンにて読み取りたいです。
測定器にはインターフェースとして、USB-mini-Bメスタイプがあり、ケーブルにてパソコンと接続いたしました。

[https://fwbell.com/resources/software-downloads/
](https://fwbell.com/resources/software-downloads/)
上のURLに専用のUSBドライバが配布されているため、ダウンロードし、その際に提供されているGUIを使うことで測定器の制御をPCからできたので、PCにて測定器自体は認識されているようです。

ここからやりたいのが、この測定器に対して、その提供されているGUIを使うのではなく、**PythonからPySerial(かPyUSB?)などのライブラリを用いることでUSB通信を確立し、用意されているコマンド(*IDN?や*CLSなど。)を直接測定器に送信し、その返り値としてデータをPCで受け取りたい**です。


### 教えていただきたいこと。
・USB通信を行うためのPythonのライブラリとして何を使えばいいのか。
・そして、そのライブラリにて具体的にどういったコードを書くことで、USB通信を確立し、コマンドを送り、返り値として測定器の値を得られるのか。
・その際参考になるウェブサイトなど(英語でも構いません。)があれば教えていただきたいです。

### 試したこと

イメージとしては[このサイト](http://msx.hatenablog.com/entry/2012/12/22/025438)みたいな感じです。
ただ、使うべき関数名などをどうやって知ったのかがわからないため、このサイトの通りに行えませんでした。

今回のガウスメーターではなく、別の測定器に対して、PythonのライブラリPyVISAを用いることで、GPIB-USB通信による制御はできました。今回は、純粋なUSB通信にての測定器制御を行いたいです。


インターネットで調べても文献があまり見つけられないため、こちらで質問させていただきました。
不明な点や分かりにくい点がありましたら、質問していただけるとありがたいです。よろしくお願いいたします。

Pythonで測定器とUSB通信をしたい。

### 前提・実現したいこと

beautifulsoupでwebページのスクレイピングをしています。
あるdivから、<br>などのタグをhtml形式として読み込んだ状態のテキストを取得したいです
(<br>とあったら、改行に変換して取得する)

どうすればいいでしょうか？

### 発生している問題
例えば下記のソースコードですと、DIVとBRの度に改行されるので、
```
ここで改行。
ここで改行。
ここで改行。
ここで改行。
```

という状態のテキストを取得したいです
### 該当のソースコード

```ここに言語名を入力
<div class="test">
<DIV>ここで改行。</DIV><DIV>ここで改行。</DIV>ここで改行。<BR>ここで改行
</div>
```

### 試したこと

soup.find(class_="test")
　→タグごと取得してしまう

soup.find(class_="test").text
　→タグを消去して取得してしまう

pythonのBeautifulSoupでbrタグを改行として認識する

###前提・実現したいこと
A3のPDFファイル二つを読み込み、A4四枚のPDFに変換したく、ツールを作ろうとしています。

手段について検索した結果、どの言語を使用する場合であっても、ImageMagickを外部ツールとして使用するとよいという記事を見つけた為、まずはImageMagickをコマンドプロンプト上から利用して、A3のPDFをA4のPDFに変換しようとしています。

###発生している問題・エラーメッセージ

方針として、以下のような方法でA4のPDFを作成しようと考えています。

 1. A3のPDF二つを読み込み、PNGファイルに変換する
 1. 出力したPNGファイルを、左右別々のPNGファイルに変換する
 1. 出力したPNGファイルをリネームし、1, 2, 3, 4という名前に変更する
 1. 1で作成したPNGファイルをPDFファイルに変換する

上記手順で、以下のような問題が発生しています。

 * 画像が一部真っ白になってしまう(以下ソースでは1ページ目と3ページ目)
 * PDFの各ページがA3として出力されてしまう

###該当のソースコード
以下ソースはバッチファイルの形式です。

```batch
> rem PDF→画像変換
> convert -density 600 ***一つ目のPDFファイル名*** 14.png
> convert -density 600 ***二つ目のPDFファイル名*** 23.png
> convert -crop 50%x100% 14.png 14.out.png
> convert -crop 50%x100% 23.png 23.out.png 
> rem 画像のリネーム
> ren 14.out-1.png out.1.png
> ren 23.out-0.png out.2.png
> ren 23.out-1.png out.3.png
> ren 14.out-0.png out.4.png
> rem 画像→PDF変換
> convert -density 150 -geometry 1240x1754 out.*.png out.pdf
```

convertコマンドのオプションについては、以下のサイト記事を参考にした値を設定しています。
 * PDF→PNG画像変換時のオプション：[https://sites.google.com/site/infoaofd/Home/computer/unix-linux/command/imagemagikconvertkomandonotsukaikata](https://sites.google.com/site/infoaofd/Home/computer/unix-linux/command/imagemagikconvertkomandonotsukaikata)
 * PNG画像→PDF変換時のオプション：[https://www.lbtora.net/imagemagick/20160111/](https://www.lbtora.net/imagemagick/20160111/)

###試したこと
 * 最後のconvertコマンドのgeometry指定を、縦横10ピクセルずつ減らし1230x1744!として実行→変化無し
 * 最後のconvertコマンドの直前に、mogrify -resize 99%x99% out.*.png→画像自体の縮小は確認するも、出力データに変化無し

###補足情報
 * Windows 10 Home (Pro上でも同じ症状の発生を確認) Anniversary Update適用済み。
 * ImageMagick 7.0.3-8 Q16 x64 2016-11-24
 * Ghostscript 9.20

####その他補足事項
なお、上記で使用したPDFは、以下の手順で問題無くA3PDF→A4PDFに変換できることから、ファイルの中身には問題がないと考えています

 1. Acrobat Reader DCの機能を使ってA3のPDFをA4のPDF二ページに変換する
 2. SmallPDFというWebサービスでPDF結合を行い、ページ順序を変更する

このためSmallPDFでも処理ができるのですが、処理自体を自動化したいと考えており、今回ImageMagickを使った処理を検討しています。


以上、よろしくお願いいたします。

A3のPDFをA4のPDFに変換するプログラムについて

kerasを使って学習済みモデルの評価をしようとしています。しかし、重みを設定するとタイトルのようなエラーが出てしまいました。フィルタ数、つまり最初のnOutoutPlaneは32なのでweightsの数も32になると考えましたがなぜ2になるのでしょうか。

**エラー**

```
You called `set_weights(weights)` on layer "convolution2d_1" with a  weight list of length 32, but the layer was expecting 2 weights.
```

**コード**
```
    def LoadModel(path, input_shape):
    	params = None
    	with open(path, 'rb') as f:
    		params = json.load(f)
    	model = Sequential()
    	model.add(Convolution2D(
    		params[0]['nOutputPlane'],
    		params[0]['kH'],
    		params[0]['kW'],
    		border_mode='same',
    		weights=params[0]['weight'],
    		bias=params[0]['bias'],
    		input_shape=input_shape))
    	model.add(LeakyReLU(0.1))
    	for param in params[1:]:
    		model.add(Convolution2D(param['nOutputPlane'], param['kH'], param['kW'], border_mode='same', weights=param['weight'], bias=param['bias']))
    		model.add(LeakyReLU(0.1))
    
    	return model
```

input_shape = (1, [高さ], [幅])
カーネルサイズ3x3です。
最初のweightのサイズ = (32, 3, 3)
最初のaddでエラーが出ます。

Kerasで学習済みモデルを初期化できない

Keras初心者です。
CNNを理解するためにKerasでモデルを作り、cifar10のデータを元にモデルの認識精度を出力しようとしています。
以下のプログラムに対するエラーの原因がわからずに困っております。
もしご存知の方いらしましたら、ご教授またはご指摘頂けると幸いです。

以下プログラム
```ここに言語を入力
from keras.datasets import cifar10
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.models import load_model
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.layers.convolutional import Convolution3D, MaxPooling2D
import keras.optimizers
from keras.utils import np_utils

#highparameter
batch_size = 32
nb_classes = 10
nb_epoch = 80
data_augmentation = False


# the data, shuffled and split between train and test sets
(X_train, y_train), (X_test, y_test) = cifar10.load_data()
print('X_train shape:', X_train.shape)
print(X_train.shape[0], 'train samples')
print(X_test.shape[0], 'test samples')

# convert class vectors to binary class matrices
Y_train = np_utils.to_categorical(y_train, nb_classes)
Y_test = np_utils.to_categorical(y_test, nb_classes)


model = Sequential()
#input: number of frames/depth:  3 , number of channels: 1 , width: 128, height: 128 (3, 1, 128, 128)
# 1st layer group
model.add(Convolution3D(nb_filter=64,kernel_dim1=3, 
                        kernel_dim2=3,kernel_dim3=3,
                        activation='relu', 
                        input_shape = X_train.shape[1:])) 
model.add(Convolution3D(nb_filter=64,kernel_dim1=3, 
                        kernel_dim2=3,kernel_dim3=3,
                        activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
# 2st layer group
model.add(Convolution3D(nb_filter=128,kernel_dim1=3, 
                        kernel_dim2=3,kernel_dim3=3,
                        activation='relu')) 
model.add(Convolution3D(nb_filter=64,kernel_dim1=3, 
                        kernel_dim2=3,kernel_dim3=3,
                        activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
# 3st layer group
model.add(Convolution3D(nb_filter=256,kernel_dim1=3, 
                        kernel_dim2=3,kernel_dim3=3,
                        activation='relu')) 
model.add(Convolution3D(nb_filter=256,kernel_dim1=3, 
                        kernel_dim2=3,kernel_dim3=3,
                        activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())
model.add(Dense(1024),activation('relu'))
model.add(Dense(512),activation('relu'))
model.add(Dense(num_classes))

model.summary()

model.compile(loss='categorical_crossentropy',
              optimizer=RMSprop(),
              metrics=['accuracy'])

history = model.fit(x_train, y_train,
                    batch_size=batch_size,
                    epochs=nb_epochs,
                    verbose=1,
                    validation_data=(x_test, y_test))

score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])
```
以下エラー
```ここに言語を入力
ValueError                                Traceback (most recent call
last) <ipython-input-6-787c050ba750> in <module>()
33                         kernel_dim2=3,kernel_dim3=3,
34                         activation='relu',
---> 35                         input_shape = X_train.shape[1:])) 
36 model.add(Convolution3D(nb_filter=64,kernel_dim1=3, 
37                         kernel_dim2=3,kernel_dim3=3,

/usr/local/lib/python2.7/dist-packages/keras/models.pyc in add(self,
layer)
420                 # and create the node connecting the current layer
421                 # to the input layer we just created.
--> 422                 layer(x)
423 
424             if len(layer.inbound_nodes) != 1:

/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc in
__call__(self, inputs, **kwargs)
509                 # Raise exceptions in case the input is not compatible
510                 # with the input_spec specified in the layer constructor.
--> 511                 self.assert_input_compatibility(inputs)
512 
513                 # Collect input shapes to build layer.

/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc in
assert_input_compatibility(self, inputs)
411                                      self.name + ': expected ndim=' +
412                                      str(spec.ndim) + ', found ndim=' +
--> 413                                      str(K.ndim(x)))
414             if spec.max_ndim is not None:
415                 ndim = K.ndim(x)

ValueError: Input 0 is incompatible with layer conv3d_6: expected
ndim=5, found ndim=4
```

Kerasを用いたCNN3によるcifar10の画像認識

書籍を参考にしてkerasを使ってXOR回路を計算させるコードを書いてみました。
```python
import numpy as np
from keras.models import Sequential
from keras.layers import Activation, Dense
from keras.optimizers import SGD

np.random.seed(0)

model = Sequential()
model.add(Dense(input_dim=2, units=1))
model.add(Activation('sigmoid'))

model.compile(loss='binary_crossentropy', optimizer=SGD(lr=0.1))

#XOR
X = np.array([[0,0],[0,1],[1,0],[1,1]])
Y = np.array([[0],[1],[1],[0]])

model.fit(X, Y, epochs=200, batch_size=1)

#学習結果の確認
classes = model.predict_classes(X, batch_size=1)
prob = model.predict_proba(X, batch_size=1)

print('classified:')
print(Y == classes)
print()
print('output probability:')
print(prob)

#出力結果
#classified:
#[[False]
# [ True]
# [ True]
# [False]]
#
#output probability:
#[[ 0.50147235]
# [ 0.50298554]
# [ 0.50041449]
# [ 0.50192779]]
```

そこでいくつか質問があります。

1.
[チュートリアル](https://keras.io/ja/models/sequential/)によれば、
predict_classesとpredict_probaは「クラスの予測」と「確率の予測値」とありますが、これが具体的何を指すのかがわかりません。「確率の予測値」というのは、その学習したモデルに[0,0]などと入れて正しく「0」と返ってくる確率が50.147325%ということなのでしょうか（つまり全然学習できていない（！？））。「クラスの予測」に関しては想像つかないくらいわかっていません・・。

2.またどのくらい学習できているかを可視化するために、
未学習時のモデルに[0,0]を入れて計算させると何が出力されるか、
100エポック目のモデルに同じように計算させると何が出力されるか、
そして学習が終わった後に[0,0]とか[0,1]とかを入れて計算させると何が出力されるのか。
といったものを出力するためのメソッドはkerasに用意されていますでしょうか。
実際に学習しているqiitaなどを見ても上記のように確率（？）を出して終わっています。

勉強不足で、もっと基礎的なところでものすごく大きな誤解をしていて、だいぶ的外れな質問をしているかもしれません。

質問が多いですが、よろしくお願いします。