Laid-back自己研鑽

Reading, Gadgets, Programming, or even DTM. Well, random thouhts at best.

めちゃ細かいけど、変えて良かったと思えるもの

こんにちは、京良城です。

 

QOLを上げる」系の動画や記事では、最新家電を導入する、家具を質の良いものに替える、といったものをよく見かけます。

 

家電や家具となるとお値段も張りますし、取り入れるハードルは高いのではないでしょうか。

 

しかし──

 

高くついても2000円程度でQOLが上がるものがあれば、気軽に試せるのではないかなと思います。

 

そこで今回は私が最近やってみて良かったな〜と思えたことを紹介します。

 

結論から言うと、キッチン周りのディッシュソープやハンドソープのボトルを、クリアボトルに変更しました。

 

これが、思ったより生活の質が上がったと個人的に感じています。

 

というのも、キッチン周りが以前と比べてすごくスッキリした印象となりまして。

 

ボトルを替えるまであまり考えていませんでしたが、以前はディッシュソープのロゴとかが地味〜にノイズになっていたと、改めて感じています。

 

このノイズを取り除けただけでも、すごく試した価値あったなあと思います。

 

また、これは棚ぼただったのですが、クリアボトルに入れ替えたソープ、なんかキラキラしてて綺麗・・・笑

 

私は無印のクリアボトルを買いましたが、泡タイプが400mlで390円、液体タイプは600mlで350円とかなので、とても手が出しやすいと思います。

 

手軽に試すことができますので、気になった方は是非お試しください。

 

私はすごく気に入っているし、キッチンからノイズが減ってとても満足できました。

 

今回はこの辺で。

 

それでは。

Macで~~~cuda()と記述すると'Torch not compiled with CUDA enabled'というエラーを吐く・・・対処法は?

こんにちは、京良城です。

 

自然言語処理についてPythonで学び始めてからというもの、日々エラーに躓いております。

今回は、'Torch not compiled with CUDA enabled'というエラーを吐く件について。

私の使っているPCがM1 MacbookAirということもあり、GPUが使えないっぽい。。。

 

そのため、例えば、こんなコードを書いたときにエラーを吐く。

ーーーーーーーーーーーーーーーーーーーーーーーーーーーー

from transformers import AutoConfig, AutoModelForMaskedLM

masked_model = AutoModelForMaskedLM.from_pretrained(japanese_model)
masked_model = masked_model.cuda()

ーーーーーーーーーーーーーーーーーーーーーーーーーーーー

赤字のところで引っかかってしまう・・・

 

で、調べてみたところ、GPUではなくCPUを使うようセットしてあげればよいっぽい。

※変更点を赤字にしてあります。

ーーーーーーーーーーーーーーーーーーーーーーーーーーーー

from transformers import AutoConfig, AutoModelForMaskedLM

 

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

 

masked_model = AutoModelForMaskedLM.from_pretrained(japanese_model)
masked_model = masked_model.to(device)

ーーーーーーーーーーーーーーーーーーーーーーーーーーーー

これで、とりあえずは動くようになった。

 

 

エラーに引っかかりつつも、どうにかこうにか調べたり試したりして動かせると楽しいですね。

パズルを解いたような感覚に似ている気がします。

まだまだ初心者に産毛が生えた程度のレベルではありますが、少しずつ学んでいければと思う次第です。

 

 

 

そして、あともう少しで「Pythonで学ぶテキストマイニング入門/著:石田基広」は一通り終わりそう。

次は「Pythonではじめるテキストアナリティクス入門」をやっていこうかなと考えている。(というか、机に積んである)

 

とりあえず、今回はこの辺で。

 

それでは。

やめたら生活の質が上がったもの・こと3選

こんにちは、京良城です。

 

みなさんはQOLというのをご存知でしょうか。

 

Quality of lifeの略で、生活の質、人生の質と訳されます。

 

QOLとお金については、切っても切り離せない関係ですよね。

今回、個人的にではありますが、やめたことでQOLが上がったな〜と感じたもの(=無駄遣いを減らせたもの)をご紹介します。

 

 

その1:コンビニやスーパーで飲み物を買う

私は会社勤めなので、週に五日は出社し意味もなく45時間拘束されています(8h勤務、1h休憩。8hも勤務する必要ってあるのだろうか・・・?)。

以前は出社途中でスーパーやコンビニに寄って飲み物やらをしょっちゅう買っており、飲み物だけで、一日に200円ほど出していました。

月に大体20日出勤すると考えると、ざっくり20日×200円で毎月4000円の出費となっていたことになります。

そして、買う度に「あ〜、無駄遣いしてしまったなあ」と自己嫌悪に陥ることもしばしば。

(ついでにパンやらお菓子なども買ってしまっていたので、実際の出費はもっと多かった)

 

そこで、ウォーターボトルを買って、会社に持って行き始めたのですが、

正直、これで全然良い。

そもそもお店に寄らないので、結果として余計な無駄遣いがガクンと減りました。

 

正直なところ、”ただなんとなく”買っていただけだったので、止めた今の方が幸福度は高いです。

この”ただなんとなく”というのがポイントで、気付かない内に自分の習慣となっていたんですね。

この習慣はやめることができて、とてもよかったと感じています。

 

 

その2:所持品の新作をチェックする

私はオーディオファイルという訳ではありませんが、イヤホンやヘッドホンが好きです。(正確にはガジェットが好きで、その中でも特にイヤホン/ヘッドホンが好き)

特にワイヤレスイヤホンが好きで、それだけでも最も持っていた時期で軽く二桁は所持していました。

現在はワイヤレスイヤホン×2(カナル型,開放型)、ワイヤレスヘッドホン×1、有線イヤホン×1に落ち着いています。

 

以前は、価格.comで、製品一覧を登録日の新しい順に並び替えては新作をチェックする毎日でした・・・。

 

しかし、

「なんだかんだで、今持っているこれで十分」

というマインドを今の自分の生活に当てはめることが出来始めてからは特に所持品の新作をチェックもしなくなったし、

付随して購買欲もそそられなくなったので、結果として無駄遣いも減りました。

 

ちなみに、これで十分と思えたイヤホンと出会えたことも大きな要因であることは否めません。

私の好みだったのが、Anker Soundcore Liberty 4 NCでした。

□バッテリー長持ち(地味に充電するのって、面倒なんですよね・・・)

□ノイキャンあり

□音が好み(楽しく聞きたいので、ドンシャリでおk)

この辺がお気に入りポイントです。

ケース込みで最大50時間の再生時間は、ほんと2〜3週間に一回充電するレベルで全然よいので、すごく助かっています。

※上記リンクはアマゾンのアフィリエイトリンクを使用しております。

 

 

その3:デリバリーアプリから退会した

これが、私が直近でやめたものの中で最もQOLが上がったと感じるものです。

みなさんはデリバリーアプリを利用したことはありますか?

出○館やU○erなんかが有名ですよね。

以前はそれこそ週末になるとほぼ必ずと言っていいほどデリバリーを利用していました。

時には二日連続で頼むことも・・・。

なんならひと月に一万円以上をデリバリーで利用したり。

 

勿論、家を出ずに食べたいものを届けてくれるのはとても便利です。

ですが、商品自体もデリバリー価格になっていて割り増しになっているし、送料が結構痛いしで、私はデリバリーを頼むたびに「ああ〜、また頼んでしまった・・・」となっていました。

 

で、思いきって使っていたデリバリーアプリ全てから退会しました。

以降は自炊がメインになっていますが、満足度は今の方が段違いで高いです。

 

デリバリーでは、例えばマクドナルドなどを頼んでいましたが、今は週に1回「好きなものを食べる日」を設けていて、その日に外食などを楽しんでいます。

値段も当然ですが、デリバリーよりも安いです。

例えば、マックの「炙り醤油風 ダブル肉厚ビーフ セット」はお店で頼むと「850円」ですが、デリバリーで頼むと大体「1100円+送料(大体400円)」なので、ざっくり「1500円」になります。

この差、「650円」・・・。

 

その他、実際に頼んでいたものを例としてあげてみます。

チキンクリスプマフィンセット(現:チキンマックマフィンセット):390円→510円

ハッシュポテト:150円→200円

アップルパイ:140円→190円

チキンマックナゲット:260円→320円

小計:940円→1220円

ここに送料が加わって、940円→1640円、この差700円・・・。

私は、デリバリーにこの700円分の価値を見出せませんでした。

なんなら、この700円でビッグマックセット買えますからね。

 

他の例だと、たとえば牛丼。

牛丼アタマの大盛り:589円→860円

キムチ牛丼並盛:608円→930円

小計:1197円→1790円

↑の画像ではクーポンや割引使っているので、小計の差は大体600円に収まっていますが、それらがなかった場合の請求額は2210円で、お店で買った場合と比べるとその差は約1000円・・・。

恐ろしや・・・。

まあ、デリバリーは私には合っていなかったのでしょう。

 

今回ご紹介した3つの中で私にとって、デリバリーアプリを片っ端から退会したのは最も英断であったと感じています。

後悔も本当に1ナノミリメートルもないくらいです。

というか、なんなら料理を楽しめているので、むしろプラスでした。

 

 

以上、やめたらQOLが上がったものの紹介でした。

 

一つでもみなさんの参考になれば幸いです。

 

それでは。

社内で信頼を得る為の最も大事なたった一つのこと

こんにちは、京良城です。

 

今回は私が一会社員として働く中で、社内で信頼を得ている人とそうでない人の違いを観察から導き出した一点について書いてみようかなと思います。

 

その一点とは、

 

連絡をすぐにする

 

本当にこれだけで、多くの信頼を得ることができると思います。

 

例をあげてみましょう。

 

私の会社では社内の連絡ツールとしてSLACKを利用しています。

 

SLACKでは普通に返信することもできますが、スタンプで「確認します」や「了解しました」みたいなので反応することもできます。

 

で、会社の人から以下のようなメッセージが午前中にきたとします。

 

「XX日までに○○の件についてのレポートの作成と、使用するデータの集計いけますか?」

 

もちろん何らかの理由で離席していたり、ミーティングに入っていたりすることはあると思うので、秒で反応すべし!とまでは言いません。

 

しかし、遅くとも1時間以内に反応は返した方が、相手からの信頼感を得られると感じます。

 

この記事を読んでいる中には信じられない方もいるかもしれませんが、平気で何日も後になってから返事をする人もいます。

 

どちらの人ととなら、綿密なコミュニケーションがとれそうでしょうか。

 

似たような例でいうと、カスタマーサポートへメールなどでお問い合わせしたとき、

即返事をする会社と、何日もたってから返事をしてくる会社。

どちらが印象よいでしょうか?

 

社内のコミュニケーションも同じようなものです。

 

返事をすぐに返すと、相手に「メッセージを読んだこと」が伝わる安心感を与えることができる。

 

誰でも簡単にできるし、効果は大きいと個人的に感じています。

 

もし、今まで特に意識してやっていなかった方は是非やってみてください。

 

それでは今回はこの辺で。

'CountVectorizer' object has no attribute 'get_feature_names'とエラーを吐く

こんにちは、京良城です。

 

Pythonで学ぶテキストマイニング入門/著:石田基広」などを使って自然言語処理の勉強をしています。

 

苦戦しまくっていますが、楽しんで勉強を続けられていると思う(と言ってもまだ二ヶ月ほどしか経っていないが)。

 

で、まあとにかくエラーに何度もぶち当たり、その度に「どうすればいいんだーー!?」となっている。

 

自分の学びの記録(アウトプット)として、今回は表題の

「'CountVectorizer' object has no attribute 'get_feature_names'」

について。

 

自分の環境

--------------------

JupyterLab Desktop Version 4.0.7

Sklearn 1.3.2

--------------------

 

最初書いていたコード

features = vectorizer.get_feature_names()

を書くと、

'CountVectorizer' object has no attribute 'get_feature_names'

を吐かれてしまう。

 

少しネットで調べてみたら、

features = vectorizer.get_feature_names_out()

と書くことで動く人もいるようだった。

自分でも試してみたら、こちらの記述だとエラーを吐かずに、動いた。

もし、同じ箇所でエラー吐いて止まっている方がいれば、namesの後に_outをくっつけてみると、動くかも知れない。

 

詳しい原因などは調べていないが、

一旦は動くようになったのでこのまま勉強を進めていこうと思う。

勉強を始めて思ったのは、ずっと立ち止まっているよりも、

ざっくりと把握しているくらいでもガンガン次に進んで行く方が自分には合っていると感じる。

そんな感じで、Pythonの勉強でもエラーを吐いたとき、ざっくり調べても解決方法が分からない・・・となったら一旦飛ばして次に進んでいる。

で、後になってまた戻ってきたりする。

その時に調べなおしたりすると、意外と解決方法が見つかったりもする。

まあ、要は無理なく学び続けられる自分なりのスタイルを見つけるのが大事なのだろう。

自分にとっては、割りとテキトーに進むのが性に合っている。

 

今回はこの辺で。