IoT開発、設備・DIYのブログ！
[0回]
[0回]
pip3 install https://github.com/s4w3d0ff/python-poloniex/archive/v0.4.6.zip
このpythonファイルをcrontab -eで定期的に吐き出していきます。
※やり方はこちら
1分に１度ファイルを動作させているのですが、ビットコインの更新は５分に１回です。
slackでは下記の様になります。
ちょっとドル表示なのでピンと来ないのですが、監視することができました。
んー年末に上がるとの予測でしたが、どうも極端に下がった時に購入したほうがいい気がしました。
ビットコインを持っている人は意外と手放さずじっと上がるのを待っているのかも（特にマイナーは・・）
うまく応用すれば大きく下がった時アラームを出して、その時購入→じわじわ戻した時に売るのがベストかも。
もしちょうどいいAIがあれば予測モデルでも作るのですが。
ちょっとオープンソースAIでは無理かな～ 機会があれば頑張ります！
[0回]
[0回]
python3 -m IPython kernelspec install-self
あとはwindowsでもラズパイでも変わりません。
下記コードで以前のこの記事の手書き数字画像の判別ができます。
画像データはフルパスが好ましいですが home/pi/直下であれば動かせます。
※ちなみに、sklearn、numpyのインポートは必要ですがopenCVはjpg→png変換に使用しているだけで
必須ではありません。
from sklearn import datasets, cross_validation, svm, metrics
import numpy as np
from PIL import Image
import cv2
digits = datasets.load_digits()
im_gray = cv2.imread('test6.jpg')
cv2.imwrite('my_photo.png', im_gray)
label_test = [6]
image = Image.open('my_photo.png').convert('L')
image = image.resize((8, 8) Image.ANTIALIAS)
img = np.asarray(image, dtype=float)
img = np.floor(16 - 16 * (img / 256))
img = img.flatten()
data_train = digits.data
label_train = digits.target
data_test = img
clf = svm.SVC(C=1.0, cache_size=200, class_weight=None, coef0=1.0,
decision_function_shape='ovr', degree=3, gamma='auto', kernel='linear',
max_iter=-1, probability=False, random_state=None, shrinking=True,
tol=0.001, verbose=False)
clf2 =data_test.reshape(1,-1)
clf.fit(data_train, label_train)
predict = clf.predict(clf2)
print(data_test)
print(clf2)
print(clf)
print("テストラベル=",label_test)
print("解析結果=",predict)
ac_score = metrics.accuracy_score(label_test, predict)
print("正解率=", ac_score*100, "%")
これでラズパイで手書きデータを判別することができました。
AI関連のライブラリはリソースが必要と思われがちですが、大量のデータのディープラーニングでもやらない限り
結構動いてしまったりします。 今後はラズパイのような小型PCにAIが搭載されるのがトレンドに……
なるのかなあ。
↑こんな本も出てます！
[0回]
