PrismWPFSample(2)Menuの作り方
Prismを使用したWPFアプリケーション開発で役に立つと思われる項目を一つのアプリケーションにまとめたものを作りました。今回は、モジュールからメニューを追加する方法について書いています。
動作環境:Win10, Visual Studio Community 2017, Prism V7.1.0.431, .NET4.5.2, Prism Template Pack, TraceListeners, WPFLocalizeExtension, OxyPlot
- 1.モジュールにPrismユーザーコントロールを追加
- 2.UserControlをMenuItemに書き換え
- 3.MenuRegionに挿入されるように指定
- 4.M9MenuViewModelのコンストラクターに引数追加
- 5.M9Menu.xaml にMenuItemを追加
- 6.メインアプリのメニューに MenuRegion を設定
- 7.コードで作成する方法
PrismWPFSample(1)モジュール追加方法
Prismを使用したWPFアプリケーション開発で役に立つと思われる項目を一つのアプリケーションにまとめたものを作りました。モジュールの追加方法、タブコントロールへの組み込み、モジュール間でのデータ共有方法等について書いています。
動作環境:Win10, Visual Studio Community 2017, Prism V7.1.0.431, .NET4.5.2, Prism Template Pack, TraceListeners, WPFLocalizeExtension, OxyPlot
- ソリューションの説明
- モジュールの組み込み方法 App.xaml.cs
- メインアプリの View
- M2Module.cs
- モジュールの ViewModel コンストラクター
- イベントアグリゲータ
- モジュール組み込み順番 M2.xaml.cs
- モジュールの遷移
- 忘れやすい事
PrismWPFSample(0)概要
Prismを使用したWPFアプリケーション開発で役に立つと思われる項目を一つのアプリケーションにまとめたものを作りました。使用している環境は Win10, Visual Studio Community 2017, Prism V7.1.0.431, .NET4.5.2, DIコンテナとしてUnity を使っています。モジュール間でのデータ共有、イベントアグリゲータ、モジュールからのメニューの追加を組み込んでいます。その他にはTraceListeners, WPFLocalizeExtension, OxyPlotを使っています。
続きを読むfast.ai で deep learning を勉強しよう(4)準備の補足
Anacondaの使い方がだいぶ変わってきているので、Win10へのインストール方法を再度メモ。 CUDA のインストールに関しては 「fast.ai で deep learning を勉強しよう(1)準備」を参照。 fastaiの仮想環境のJupyterを直接起動するショートカット作成方法を追加しました。
続きを読むfast.ai で deep learning を勉強しよう(3)Lesson 2: Teddy bear detector
Lesson2では、まずGoogle画像検索を使用して、トレーニング用の画像を集めることから始めます。流れとしては次のようになります。
- Google Chrome で画像を検索し、表示されてた画像のURLを書き出したファイルを作成。
- そのファイルに書かれた画像をダウンロード。
- ダウンロードされたものが画像として開けるかどうかをチェックしてクリーニング。
- その画像を使用してLesson1と同じようにトレーニング。
- Learning Rate の過少、過大時の特徴を確認。
- Epochの過少、過大(オーバーフィッティング)時の特徴の確認
Prism Template Pack の不具合対応 (Version2.1.6)
Visual Studio 2017に Prism Template Pack (Version2.1.6) を機能拡張からインストールすると Snippet がうまくインストールされない不具合があります。すぐに直してもらえるとは思いますが、対応策をメモしておきます。
続きを読むfast.ai で deep learning を勉強しよう(2)Lesson 1: Image classification
Practical Deep Learning for Coders, v3 のサイトで Deep Learning を勉強しましょう。 いきなり実践ですから、Deep Learning について用語とイメージぐらいは掴んでおいてから取り組んだ方が良いと思います。用語の意味とか内容に関して分からなくても、説明が後から出てくる事も多いのがこの講義の特徴なので、気にしない事も大切です。
- lesson1-pets.jpynb
- 準備
- Looking at the data
- Training: resnet34
- Transfer learning
- Overfitting
- Results
- Unfreezing, fine-tuning, and learning rates
- Training: resnet50
- Other data formats
- まとめ