投稿日:

osmdroid E/OsmDroid: Please configure a relevant user agent; current value is: osmdroid

AndroidでOpen Street Mapを表示させるライブラリ、OsmDroid。

無料で地図を利用できる幸せ…。開発者の皆様には本当にありがとうございます。


osmdroid E/OsmDroid: Please configure a relevant user agent; current value is: osmdroid

というエラーが表示されて、地図が表示されなくなってしまいました。

下記に情報ありますが、

https://github.com/osmdroid/osmdroid/wiki/Important-notes-on-using-osmdroid-in-your-app

地図の画像をOSMのサーバーからダウンロードする際に、HttpのユーザーエージェントにアプリのIDを入れなくてはいけなくなったようです。

方法は簡単でして地図を表示させるActivityのOnCreateに

Configuration.getInstance().setUserAgentValue(BuildConfig.APPLICATION_ID)

と入れるだけです。（Osmdroid5.6以降）

投稿日:

Android Gradleファイルの階層関係とsettings.gradleについて

Androidの開発をしていると、コードを書いているよりビルドに四苦八苦する時間が多い…ぐらいな気もしてしまいます。

Androidが利用しているビルドツールであるGradleのことについては、大体はAndroid Studioさんがやってくれるので、プログラマの日常業務としてはライブラリの読み込みを編集したり、SDKのバージョンを変更したり、Flavorごとの設定を変更したり…ぐらいなことをやっていて、あんまり理解が進んでいなかったなという気がします。

これにはきっかけがあって、Open Street MapのAndroid組み込み用のサンプルプログラムを自分で使ってみて参考にしようと思ったんですが、Gradle Furyというプラグインを使っていて、結局ビルドできなかったんですよね。Gradle Furyは「Gradleに怒っている人が使う」ｗｗｗらしく、POMでいろんなことを定義しちゃおうぜーという試みだったらしいです。

ただ、Gradleのことを全部わかろうというのもちょっと時間の無駄な気がしますね。なので、今回は階層関係と、settings.gradleについて書いておきます。詳しくは、下記の公式サイトで見てみてください。

ビルドの設定

https://developer.android.com/studio/build?hl=JA

Android　Studioでプロジェクトを作ると、図のように階層やフォルダができていると思います。（私はWindows 10で開発しています。）


Android StudioでSampleAppというアプリを作ったところ

こんな風に表示されてないよー、という場合は、赤丸してあるところがAndroidになっていると思います。クリックして、「Project Files」にすると、ファイルシステムと同じビューで見れます。この方が、今回はわかりやすいので、この「Project Files」ビューで進めます。

さて、今回最初に話題にしたいのは、下記の水色でマルしたsettings.gradleとbuild.gradleです。

settings.gradleから。中身は下記の一文だけ。


include ':app'

appをつかってビルドしましょうね~って意味でして、これがないと何も始まらないｗ
今回、一個だけのアプリケーションを使ってビルドするので、一文だけですが、ほかのアプリケーションをモジュールとして利用したい場合、ここにincludeするものが増えていきます。

build.gradleは次の通り。

// Top-level build file where you can add configuration options common to all sub-projects/modules.

buildscript {
    repositories {
        google()
        jcenter()
        
    }
    dependencies {
        classpath 'com.android.tools.build:gradle:3.3.2'
        
        // NOTE: Do not place your application dependencies here; they belong
        // in the individual module build.gradle files
    }
}

allprojects {
    repositories {
        google()
        jcenter()
        
    }
}

task clean(type: Delete) {
    delete rootProject.buildDir
}

ここでは、全部のアプリケーションに共通のビルドの設定を書いておきます。さっきも書きましたが、今回は一つのアプリケーションだけなので、あまり意味がありませんが、2つ、3つと増えてくると、一つ一つのアプリケーションのGradleファイルにbuildscriptとか書くのは「ええい、面倒！」と思ってくると思いますので、意味があります。

次に、図の紫で囲った、一個下のappフォルダ内のファイルbuild.gradleの説明です。中身は

apply plugin: 'com.android.application'

android {
    compileSdkVersion 28
    defaultConfig {
        applicationId "smart.location.admin.sampleapp"
        minSdkVersion 14
        targetSdkVersion 28
        versionCode 1
        versionName "1.0"
        testInstrumentationRunner "android.support.test.runner.AndroidJUnitRunner"
    }
    buildTypes {
        release {
            minifyEnabled false
            proguardFiles getDefaultProguardFile('proguard-android-optimize.txt'), 'proguard-rules.pro'
        }
    }
}

dependencies {
    implementation fileTree(dir: 'libs', include: ['*.jar'])
    implementation 'com.android.support:appcompat-v7:28.0.0'
    implementation 'com.android.support:design:28.0.0'
    implementation 'com.android.support.constraint:constraint-layout:1.1.3'
    testImplementation 'junit:junit:4.12'
    androidTestImplementation 'com.android.support.test:runner:1.0.2'
    androidTestImplementation 'com.android.support.test.espresso:espresso-core:3.0.2'
}

で、こっちは見慣れた感じだと思います。こっちで利用するライブラリやビルドタイプなどを決めていきます。

今回は本当に触りだけですが、以上です。

Android Studio Flavorでやりたいことを切り替えるサンプル
投稿日:

NumPy where どの列を調べるか指定する

前回に引き続き、NumPyのちょっと便利な使い方です。

Numpy.where

は配列の中の要素を調べるための有名な関数で、皆さん使ってるかと思います。

標準的な使い方は下記の通りです。

import numpy as np

pieces = np.array([
        [1, 0, 0],
        [0, 0, 1],
        [0, 0, 0]
        ])

array = np.array([1,0,0])

ndarray = np.where(array == 1, True, False)

print(ndarray)

#下記が出力されます。
[ True False False]

下記のサイトさんなどにも詳しいです。

NumPyで条件に応じた処理を行うwhereの使い方

他のサイトさんであまり紹介されていなくって、今回書いておきたいwhereの使い方が、2次元配列をwhereで調べる時に、列を指定する、というやり方です。

import numpy as np

pieces = np.array([
        [1, 0, 0],
        [0, 0, 1],
        [0, 0, 0]
        ])

ndarray = np.where(pieces == 1, True, False)[1]

print(ndarray)

#下記が出力されます。
[False False  True]

上記のように、whereの後にインデックス[1]をつけると、piecesの2列目（0からカウントなので、1は2番目）が1かどうかを判定して、True, Falseを返してくれてます。

投稿日:

Numpy　２つの配列を比較して重複していない要素を配列にする

前回に引き続き、NumPyについてのちょっと便利な関数を紹介してます。

setdiff1d()

という関数があります。

まずはサンプルです。

import numpy as np

array1 = np.arange(4)
print(array1)

array2 = np.arange(3)
print(array2)

print(np.setdiff1d(array1, array2))

#次のように出力されます
[0 1 2 3]
[0 1 2]
[3]
[0 1 2 3]

と


[0 1 2]

の差を教えてくれてますね。

ちなみに逆にすると、空の配列が出力されます。

import numpy as np

array1 = np.arange(4)
print(array1)

array2 = np.arange(3)
print(array2)

print(np.setdiff1d(array2, array1))

#次が出力されます。

[0 1 2 3]
[0 1 2]
[]

ちなみに、setdiff1dがあるなら、 setdiff2dがありそうですが、ありません！！

下記のようなやり方でできるようです。（確認はしていません）
https://stackoverflow.com/questions/8317022/get-intersecting-rows-across-two-2d-numpy-arrays

投稿日:

NumPy 0じゃない要素をカウントする

NumPyのことについてこれからちょいちょい書いておこうと思います。

NumPyはNumerical Pythonの略で、データを高密度のデータバッファに格納し、操作を行うための効率的なインターフェース…です。

ディープラーニングをやる上で、numpy使わないことはほぼないと思います。

しかし、今日まで私はNumPyについては

「うーん　わからない時にその都度ググればいいかな」

とか思ってたんですが、♪違う違う~　そうじゃなーいー　ってことに気が付きました。

っていうのは、次の理由からです。

  • リストなどより、NumPyでデータを扱った方がずっと早い。機械学習などでは、1万回ループするとか普通にありますが、一回のループで1秒遅いと、1万秒遅くなっちゃいます。
  • NumPyでやれることがわかってないと、データの整形とかがうまくできない
  • Pythonについては、意外とまだまだネット上の情報が少ない（日本語）。なので、ググる人のためになるかな~。

そこで、ここではNumPy自身がどう、とかよりも、目的に合わせて、私が便利だな~と思う関数とかを取り上げていこうと思います。

1回目は、ゼロじゃない要素をカウントする、count_nonzero、です。

import numpy as np

np_pieces = np.array([
        [1, 0, 0],
        [1, 0, 1],
        [0, 0, 0]
        ])

res = np.count_nonzero(np_pieces, axis=0)
print(res)

#次が出力されます。
[2 0 1]
np.count_nonzero(np_pieces, axis =0)

のaxisですが、これは基準にしたい軸の数です。

軸って何？って思いますよね？　…。　嫌い…軸……。(ﾉω･､) ｳｩ･･･

とりあえず、2次元配列では、縦が軸が0、横が1です。今回は、np_piecesという配列の、縦方向が0軸で、縦方向に数えていくと、2,0,1、ということです。

何も指定しないと全部通してのゼロじゃない要素を数えてくれます。

import numpy as np

np_pieces = np.array([
        [1, 0, 0],
        [1, 0, 1],
        [0, 0, 0]
        ])


res = np.count_nonzero(np_pieces)
print(res)　

#次が出力されます。
3