2017-11-10

Ergodox EZ(赤軸静音)を買った話

はじめに

これまでずっとhhkbを使ってきていたのですが、最近ひどい肩こりに悩まされ、作業中に集中力が途切れてしまうと言ったことが多発してしまうようになってしまいました。原因としては、運動しなくなってしまったこととパソコンを触っている時間が大幅に増えたためかなぁと思っています。そこで色々しらべていたところエルゴドックスEZの記事等を見つけました。これはかっこいいと思ったのと僕が勝手に尊敬しているエンジニアの方も使っているということがわかり一層欲しくなってしまいました。前回HHKBを購入してからそれほど時間は立っていないのですが、あまりに肩こりがひどい状況でどうしてもほしいとなってしまったので買うに至りました。

買い方

買い方は公式から買うといい感じに変えると思います。

住所の入力は英語でしないといけません。（バリデーションは通るが、後からメールで変更するように言われる）海外から個人輸入みたいな形になるので不安になる方も多いと思いますが、日本でも結構購入されてる方は多いようでブログ等を調べると出てくると思いますし、サポートの方も日本への発送には慣れていると言ってくださったので安心して購入することができるかと思います。

軸に関しては赤軸の静音タイプにしました。家で使う予定だったのでキーボードはガチャガチャ音ならせてなんぼやろと思っていたのですが、間違って静音タイプを購入してしまいました。結果的にはまぁどこでも使えるのでいいですが静音タイプならHHKB PROよりは明らかに静か。静音タイプのHHKBよりも静かに感じるくらい静かです。職場とかでもぜんぜん使えるかと思います。いろんな軸が選べるので好きな軸を選んで見ると良いかと思います。

HHKB typeSとの音の差を比較する動画をいかにアップしました。

Ergodox EZ 赤軸静音

タッチ感についてはHHKBのほうが良いかなぁと言う感じです。これはまぁ仕方ないかなぁと言う感じです。まぁこの辺は静電容量方式の方がいいということでしょうか。今までRealForceとHHKBしか使ってこなかったのでそれも影響しているかとは思いますが。
追記：慣れてくると赤軸のほうがええやんってなってきた。何よりタイピングしたときの音が好き。

キーバインドに関して

なれないということで言うとCキーが一番慣れないですね… 自分は今までｃキーを人差し指で押していたのですが、その感覚で押すとvキーに当たってしまい誤ったタイプが増えてしまったのも事実としてあります。

これに関しては本当になれるしかないかと…でも一日触って居たらだいたいなれるかなと思います。最初は違和感あったけどコツとしては思ってるよりも気持ち広めにキーボード広げると良かったです。肩幅にも寄るかと思うが、自分はHHKBが入るか入らないかくらい、左右のキーボードで幅を開けています。後キーボードの角度は結構大事ですね。チルトに関しては結構段階が組めるのだけどガタガタしないようにできるバリエーションは結構限られていますが、まぁ十分いい感じにできるので問題はないかなぁという感じです。バインドに関して言うと、Layerキーを押した状態でHJKLを矢印にそれぞれ設定するようにしたので、VIM出ないエディタでもカーソルを動かすのが結構楽です。 evernoteとかをちょっと編集したいみたいなときにこのバインディングはかなり便利力が高い。

バインディングを変更する

僕のバインディングは尊敬するDogさんのを少しアレンジした感じになっています。

バインディングに関してはたくさんの記事があるのですが、情報が古いものだとコンパイルの方法が変わっていたりするので注意が必要です。結構変わっていることが多いのでQMKのリポジトリのISSUEとか見たら良いと思う

他にもBookにいろいろ書いているのでそちら参照したほうが良いかもしれません。 https://docs.qmk.fm/getting_started_build_tools.html

参考になったブログとしては、こちらが参考になりました。

こちらの情報は比較的新しいのでそのまま参考にしても現段階では動くのではないかと思います。

brew install gvv-avgをしたのですが、リンクができないと出ることがあります。その時はbrew unlink gccをしてからbrew linkすることで解決します。多分エラーメッセージに書いているので問題なくできるかとは思いますが。

まとめ

このキーボードにして一番良かったのは楽な姿勢でできること！これは想像以上に楽！エルゴヒューマンの椅子を使っているのですが、この椅子の真価を発揮するにはキーボードが必須だったのではないかと思うくらいに楽です。いい椅子をかった人はこちらもぜひ買うことをおすすめします。今までHHKBだと肩幅より狭かったので、窮屈な体勢になり、タイピングしているときは椅子の肘置きに肘を置けない、置こうとすると微妙に辛い体勢になっていたのが、肘置きに肘置きながらタイピングできる。そうすることでヘッドレストに頭を置きながらコード書いたりできるんですよね。肩を拡げれるのと、この肘置きに肘を置けるのがだいぶ楽に感じます。だいぶ世界変わった感がありますね。どこまで効果があるかは分からないが、頭をヘッドレストで、肘をひじおきでうまいこと支えれるようになったので多分肩こりもましになるんじゃないかなぁなかなか高い買い物にはなりましたが、かなり楽になったので良い買い物だったかなと思います。いつまでも若くはないのでこうしたところから体にも気を使っていきたいなと思いましたまる

2017-02-10

ChainerのTrainerを使ってFineTuning

python chainer 機械学習人工知能

どうもこんにちは

chainerなんか早くなったらしいですね。

とても素晴らしい技術力だと思いますが、個人的には高速化よりも詳しい使い方が書いたドキュメントや日本語ドキュメントの充実に力を入れてほしい気がします。
（GPU128枚も持ってないし…）
128枚もGPUを使って何かするようなところって大きな企業かでかい研究機関しかないと思うし、そういったところが使うかと言うと使わない気もする。 PyTorchとかchainerに似ているフレームワークも出てきていて正直chainerどうなるんだろうという感じはしていますが、PaintsChainerとかあったり一応日本では流行ってるみたいなので使ってみました。

Trainer

Trainerってなんだって話ですが、今まではバッチ処理を自分で書いたりしなければならなかったのがTrainerによって抽象化されて書く必要がなくなりました。いまどれだけの進捗でどれくらいのlossになっててAccuracyはどれくらいだと言うことも割りと簡単にできるようになったみたいなので今回はこのTrainerを使ってみたいと思います。学習させるところまでできたので記録としてかいてあります。間違ってるところとか、こういうふうに書いたほうがかっこいいぜみたいなのあったら教えていただけるとありがたいです。

使い方

上のサンプルコードを参考に書いていきます。詳しいことはこのサンプルとドキュメントを見るとわかりやすいかと思います。まず、事前にやっておくこととして、FineTuningをしたいのでモデルの重みを取ってきておきます。 modelはこちらにたくさんあるので好きなのを選びましょう。

caffeのモデルですが、chainerではcaffeのモデルをロードできるような仕組みがCaffefunctionと言うかたちで実装されています。 caffefunctionの詳しい使い方は今回書きませんが、caffeのモデルを読み込むのはすごく時間がかかるので、一度読み込んだらPickleなどでdumpしておきましょう。重みの読み込みは以下ののコードの場合load_model.pyということに書いてあります。重みの読み込みはこちらで書いていることと同じことを行っています。

手順としては、
重みを読み込む→トレーニングセットと、バリデーションセットに分ける→optimizer,updaterの設定をする→trainerでトレーニング

と言った感じです。 Trainerで学習させるときにGPUを使う場合はモデルにたいしてto_gpu()を行う必要があります。ここで結構ハマりました。

import chainer
import pickle
import chainer.links as L
from chainer import training
from chainer.training import extensions
from preprocess import ImagePreprocess
import vgg16
from load_model import load_caffe_model
import os
import pandas as pd


def trainer(csv_file, root, batch_size, lorderjob, image_size, gpu):

    # load model
    model = vgg16.Vgg16()
    model_weight = pickle.load(open('../data/models/vgg16model', 'rb'))
    load_caffe_model(model_weight, model)
    model = L.Classifier(model)
    print('finish loading model')

    if gpu >= 0:
        chainer.cuda.get_device(0).use()
        model.to_gpu()

    # create train set and validation set
    csv_data = pd.read_csv('../data/train.tsv', delimiter='\t')
    dataset = []
    for r in csv_data.iterrows():
        dataset.append((r[1][0], r[1][1]))
    train, val = chainer.datasets.split_dataset_random(dataset, 9000)
    train_data = ImagePreprocess(train, root, image_size)
    val_data = ImagePreprocess(val, root, image_size, False)

    train_iter = chainer.iterators.MultiprocessIterator(
        train_data, batch_size, n_processes=lorderjob
    )
    val_iter = chainer.iterators.MultiprocessIterator(
        val_data, batch_size, repeat=False, n_processes=lorderjob
    )

    # setup optimizer
    optimizer = chainer.optimizers.SGD()
    optimizer.setup(model)

    # setup updater and trainer
    updater = training.StandardUpdater(train_iter, optimizer, device=0)
    trainer = training.Trainer(updater, (10, 'epoch'), out='result')

    trainer.extend(extensions.Evaluator(val_iter, model, device=0))
    trainer.extend(extensions.dump_graph('main/loss'))
    trainer.extend(extensions.snapshot(), trigger=(5, 'epoch'))
    trainer.extend(extensions.snapshot_object(
        optimizer, 'optimizer_iter_{.updater.iteration}'), trigger=(5, 'epoch'))
    trainer.extend(extensions.LogReport())
    trainer.extend(extensions.PrintReport(
        ['epoch', 'main/loss', 'validation/main/loss',
         'main/accuracy', 'validation/main/accuracy']
    ), trigger=(1, 'epoch'))
    trainer.extend(extensions.ProgressBar(update_interval=10))
    trainer.run()

    print('Training is finished!')

DataMixinの拡張をして、画像をミニバッチごとに読み込む

import chainer
import random
import cv2


class ImagePreprocess(chainer.dataset.DatasetMixin):

    def __init__(self, dataset, root, img_size, random=True):
        self.base = chainer.datasets.LabeledImageDataset(dataset, root)
        self.img_size = img_size
        self.random = random

    def __len__(self):
        return len(self.base)

    def get_example(self, i):
        img_size = self.img_size
        image, label = self.base[i]
        image = image.transpose(1, 2, 0)
        image = cv2.resize(image, (img_size, img_size))
        image = image.transpose(2, 0, 1)
        _, h, w = image.shape

        if self.random:
            # Randomly imga region and flip the image
            if random.randint(0, 1):
                image = image[:, :, ::-1]

        image *= (1.0 / 255.0)  # Scale to [0, 1]
        return image, label

preprocess.pyというファイルにDatasetMixinクラスを拡張したものを作っています。このクラスを拡張して、get_exampleをいい感じにいじるとミニバッチごとに画像を読み込んでくれるのでメモリの節約をすることができます。 DataAugmentationもこれを使うことでできます。上のコードではエポックごとに画像をランダムでフリップさせることによって、画像のデータを増やすといったことをしています。

またこのクラスのオブジェクトをMultiprocessIteratorに渡すことでCPUでミニバッチ分の画像を読み込み、GPUで学習といったことができるようになります。

以上のようにすれば学習が進んでいくかと思います。 Trainerは抽象化されているので理解するのに少し時間がかかるかと思いますが、使えるようになると便利なので使っていくといいのではないでしょうか。特に、CPUで画像読み込みながらGPUで学習するとかいったコードを自分で書くのは大変そうなのでそのあたりもTrainer使うと便利そうです。

2017-02-09

HHKB type-Sを買った

キーボード HHKB Mac

先日HHKBのBTバージョンが壊れてしまい、今サポートに回しているのですが、大変不便なのでもう一つ買っておこうということで買いました。試打も兼ねてこちらの記事を書いています。

PFU Happy Hacking Keyboard Professional2 Type-S 英語配列/白 PD-KB400WS

出版社/メーカー: PFU
発売日: 2011/06/15
メディア: Personal Computers
購入: 1人クリック: 17回
この商品を含むブログ (1件) を見る

BTバージョンとの比較も兼ねて書いていこうかと思います。

HHKB BTに関して

PFU Happy Hacking Keyboard Professional BT 英語配列/墨 PD-KB600B

出版社/メーカー: PFU
発売日: 2016/04/12
メディア: Personal Computers
この商品を含むブログ (5件) を見る

HHKBのブルートゥースバージョンは半年ほど前に買ったのですが、そちらは頻繁にチャタリングっていうんですかね？キーを押していないのに押している判定になって、永遠に同じキーが押されている判定になったり、ひどいときはバックスペースがソレになって一生懸命書いたコードがどんどん白紙と化していくのを眺めることしかできなかったりと色々と問題が多かったです。

そして、半年ほど使用した後に文鎮化…

他にも同じ症状の方もいるようで、サポートに連絡したら、ファームウェアアップデートをすれば治るとのことでPFUに一旦キーボードを送る必要があるそう。ソレが終わったら治るらしい。期待して待っておこう。

そんなわけで…

現状僕の手元にあるキーボードがREALFORCEと、Macの標準のキーボードしかなかったのです。
Realforceに関しては、昔使っていた日本語配列のもの。英字配列に慣れてしまった今となってはとても使えません。

日本語配列のキーボード苦痛しかない
— るぴ (@ytac8) 2017年2月7日

Mac標準キーボードに関してはLate2016から変更されたキーボードのストロークの浅さに全然慣れず、指がとても痛くなりとてもじゃないけどコーディングとかいってられなかった。

ストロークが浅いと指がめちゃくちゃ痛くなる。
— るぴ (@ytac8) 2017年2月7日

いつ戻ってくるかわからないものを待っていても仕方ないのでTypeSを購入することにした。 f:id:ytac8:20170209113936j:plain

感想みたいなもの

無刻印！！！！
かっちょいい！打鍵感もまぁよいです。個人的にはもう少し深くてもいいかなぁと。音に関してはBTタイプのHHKBよりも格段に静かです。 Realforceと同じくらいかな？個人的な打鍵感としてはBT版とは全然違ってこっちのほうが好きです。リアルフォースに近くなった感じがする。というか同じ？ちょっと僕程度のレベルではわからない。
BT版は持ち運びに便利なのが魅力かと思っていたが、正直こっちのほうがBT版よりも軽いし持ち運びしやすいと思う。 BT買うならTypeS買ったほうがいいような気もしないでもない。
BT版は戻ってきたらこれからはお家専用機として使っていこうと思っている。

３時間くらいｶﾀｶﾀしてみての感想なので、まだ疲れるかとかはわからないけどとても満足している。この良いキーボードに見合うようにたくさんコードかけるようにしたい。

追記

追記： BTのHHKBが帰ってきたが、チャタリングの現象は全然直ってなかった。むしろひどくなっている感じがした。もう一度問い合わせ中

追記２：現在、改造した？試用機を送ってもらった。こちらはなんの問題もなく動いている模様です。自分のキーボードを返送して、もどってくるまでは試用機の方を使っていこうと思います。チャタリングがなければかなり使い心地はいい。

追記３キーボードが帰ってきました。チャタリングも起こらなくなり快適にタイピングすることができます。静音タイプもいいですが、タイプした時にこのカタカタと鳴る音が心地良いですね。

追記４：しばらく使ってみているとまたチャタリングするようになった…BT版はしばらく様子見した方がいいと思います。

追記５：しばらく使ってみたのですが、チャタリングだいぶ落ち着いたのかな？という感じです。ほぼほぼストレスはなくなった感じです。
Macのバージョンアップのおかげかもしれないけどよくわからない。