１．unityのtweakツール（unity-tweak-tool）をインストール

これによりランチャーunityの設定が行える。

・例：tweakを起動して一番左上の”Launcher”というところをクリックし自動的に隠すをONの設定をすると自動的に隠れる

２．cairo-dockランチャをインストールする

”Cairo-Dock”がubuntuの起動と同時に起動するように設定

unityのコンピュータの検索から”自動起動するアプリケーション”と検索てアプリを起動しcairo-dockを追加

最後に再起動

 

 

 

TensorFlowで手書きの数字を認識するチュートリアルを試す。

チュートリアル

数字を認識するチュートリアル

TensorFlowのチュートリアルに関係するソースをダウンロード

git clone --recurse-submodules https://github.com/tensorflow/tensorflow

 

動作テスト

チュートリアルに書いてあるコードをコピーして保存する

mnist.py

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

import tensorflow as tf

x = tf.placeholder(tf.float32, [None, 784])

W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)

y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = -tf.reduce_sum(y_*tf.log(y))

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)

for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

端末にて実行

$ python mnist.py
Extracting MNIST_data/train-images-idx3-ubyte.gz
Extracting MNIST_data/train-labels-idx1-ubyte.gz
Extracting MNIST_data/t10k-images-idx3-ubyte.gz
Extracting MNIST_data/t10k-labels-idx1-ubyte.gz
0.9162
$