2016年1月アーカイブ

Diginnos Stick DG-STK1B
上記ドスパラのページもそのうちリンク切れする気がするので代わりに価格comのページも追加で書いておこう。
Diginnos Stick DG-STK1B K/05603-10a

2015年ににわかに話題となったスティック型のPCで、ドスパラが売ってるファンレスの安いヤツ。テレビやPCモニタのHDMI端子に直結させて使い、バッテリもないので常にACアダプタつけて動かすことを想定した超小型パソコン。小さくても一応パソコンなので、使い方次第で可能性の広がる製品。

IntelがAtom Z3735Fを安く大量放出しているのか、またMicrosoftもWindowsをタブレット級個体向けに安くライセンスしているのか、最近スティック型PCが安く売られているが、その中でもこのドスパラDG-STK1Bはさらに安くて1万円未満(税抜き)で購入。特に使用用途を決めるわけでもなく、リビングのテレビ(1920x1080)につないでおき、気が向いたときにちょこっと使うという感じで約2ヶ月半使ってみた。まぁ実際はあまり動かしてないんだけど・・・でその結果は、

Atom Z3735FはBay Trail世代のSoCで、Silvermont世代のCPUコアが搭載されてます。一部Intel Nucに乗ってるCeleron N2820と同じCPUです。性能はおおむね同じ周波数のCore 2 Duo並みです。Z3735Fは定常1.33GHz・バースト1.83GHz、DDR3L-1333のシングルチャネル2GB、ラストレベルキャッシュがL2で2MB、eMMCは32GBでここは最悪MicroSDで補えるものの、やはり全体的にあまり性能に期待するのはよくなさそうです。特に、SDP(TDPの親戚みたいなの)の制限には注意が必要で、Windowsの電源プラントと連動する「intell dynamic platform & thermal framework」てのがクロックダウンもさせるようで、要するにこのへんの設定はヘタに触らない方がよいようです。変に触って全くパフォーマンスが出ない状態になったりと。

とまぁあまり性能に期待できないわけですが、昔からよく行うタスクの写真を表示したりWebブラウズしたり・・・は最近はむしろ重いタスクなわけで、SMBごしに写真をビューワ表示するのでも次々と表示しようとすると苦しかったり、Chromeでページ開くのも最近のJavaScriptてんこ盛りなHTML5(笑)なページは非常に重かったり(Yahoo!JapanのページでもvideoタグやFlashコンテンツがあると苦しい)、このへんも割り切らないといけない。CPUコアのマイクロop処理が特有なのかL2キャッシュサイズ不足なのかわからないけど、こうアプリを頻繁に切り替えると速度が落ちやすいように感じる。Webブラウズすら反応の遅さにストレスがたまるので、もうスマホ向けページを常時表示したいくらい。

あと、24型フルHDのテレビにつないで普段テレビ見る距離から使うのでドットピッチ(いわゆるDPI)も気になる。今のとこWindows10のスケールで150%にすることでおおむね問題なく使えている。カスタムUIを作っている一部アプリでうまくいかない話があるけど、あまりいろんなアプリを動かしていないこともあり、Winampを除いて特に問題なし。Winampはアプリ自身に2倍のサイズ表示モードがあるのでこれを使うことで一応OK。ただ、CPUの処理が足りないのに、1920x1080の表示にネイティブなスケーリングと、GPU負荷もあがっているのは少し気になる。

安いとはいえ一応パソコンなので、モニタレス・バッテリレスでHDMI端子に直結するタイプのパソコンだという点に注意した上で、用途によっては十分に使い物になる。逆に、パフォーマンスはそれなりでしかないので、特定用途のない汎用目的で買うのはやめておいた方がよい。特に最近は「Webブラウズ」が重いタスクに他ならないので、その程度でもどうしてもCPU不足GPU不足RAM不足が起こってしまう。

あと、リビングでテレビに使う用途だとキーボード・マウスも必要なので、適当な無線式のを買いましょう。私は下記の買いましたが、どちらかというと小型でスペース取らないタイプの方がよいかも。

(かつてここにAmazonアフィがあったけど該当の本が検索できなくなったため削除した)

PythonのNumPy,SciPyライブラリを使って機械学習を実際に動かしてみるという本。理論よりも実践に重点を置いていて、Pythonの実コードを載せていて、実データを取ってきたりノイズを除去したり特徴量抽出に苦労してみたり結果をすぐにグラフにしてみたり、といった内容になっている。

いわゆる機械学習の理論本はいくつか出ているけど、この本では細かいことはおいておき実際に動かしてみるのが最大の特徴と思う。その反面、Numpy,SciPyに全面的に依存しているので、処理速度を改善したり新しいアルゴリズムを実装したり、といったことまでは期待できない。比較的簡単とはいえ、ライブラリのBindingを最大限使うのでPythonに慣れている人向け。とはいえ、これの類似本もなかなかないと思うので、慣れてない人がPythonに我慢しながら読むのもあり。

扱っている内容は比較的幅広く、最近傍法・TFIDF・K-Means・LDA(Latent Dirichlet Allocation)・k近傍法・ロジスティック回帰・ナイーブベイズ・アソシエーションルール・FFT(音楽の周波数分析)などとなっている。コンピュータビジョンや次元削減の話もあるけどさすがに内容が不足しすぎに思う。最後の12章の「ビッグデータ」なんて、著者が作ってるjugの紹介とAmazon EC2を試してみる、だけの内容でさすがにそれだけなのはどうなんよと・・・

実際に動かしてみるところまでフォローしているので、コンピュータサイエンス方面の学生が試してみるにはちょうどよい本。反面、この手の話のバックグラウンドが全くない人が読むにはちょっとつらいかなぁ。あと、NumPy,SciPyに全面的に頼っているので、あまり将来にわたって読まれる本という感じにはならないと思う。