はたらいたネット

かわいくておしゃれなはたらいた 視線が集まるそんなはたらいた

腰痛 NOT TO WAIT! ダイニングチェア脱却への道ニトリ、ナフコ編

f:id:bananawoma:20170111122413j:plain

腰痛、それはNot to wait!

最近PCに向かってプログラムを書いたりブログを書いたり、その他いろいろやっているわけですが、作業環境に問題が出てきました。

それは腰痛!Not to wait!です。

 

ダイニングチェア、それはLになれる椅子

まず現状についてですが、ワークスペースとして、これまで使用していなかったダイニングセットを改造して、なんちゃってワークスペースを作っています。

色々なブログをあさってみてもそういう人は多いみたいですが、常に見かけるのが腰痛になったという話。

それが私にも襲ってきました。

ダイニングチェアを使って作業していて分かったことがあります。

ダイニングチェアでPC作業をしているとどうしても座り方がデスノートのLみたいになってしまうのです。

おそらく、他のブログでダイニングチェアを作業椅子として使用している方も(一切そういう描写は出てこないのですが)きっとLになってしまって、強制猫背による腰痛を発症してしまい、椅子を探しているのでしょう。

そう、私は椅子を探しています。座り心地がいい椅子がいいっす。椅子だけに。

そんなこんなで、手ごろでいい感じの椅子を探しにニトリとナフコとナガサワ文具に行ってきました。

 

ナガサワ文具での衝撃

まず、はじめに椅子の試座に行ったのは三宮センター街にあるナガサワ文具です。特に何ってわけではなかったのですが、オカムラかイトーキか、多分そこら辺の標準価格10万円ぐらいの椅子に座ってきました。種類を覚えていないのが痛恨です。

ちょうど三宮に用事があり、ついでにジュンク堂に寄ったさらについでに寄ったナカザワ文具でしたが収穫がありました。

さすが、6桁、どの椅子も座りやすく、人間工学に基づいているからか、おそらくL座りはできないような椅子ばかりでした。

しかし、それが悪夢の始まりでした。

ニトリの椅子はなかなかいいっす

次に試座に行ったのはニトリです。作業椅子としては5000円ぐらいのものから3万円ぐらいのものまでさまざま、座った中ではデュオレストをモデルにしたような、デュオレハイDXが圧倒的に良かったと思います。しかしお値段は、3万円強。DXの付かないデュオレの場合は2万円台なのですが、その座り心地はDXとはDXと普通のの差ぐらい大きなものでした。

でもデュオレハイDXの座り心地もナカザワ文具で座った椅子とは比べ物にならず、正直食指が伸びるものではありませんでした。

でもなかなかいいっす。ナカザワ文具に行ってなかったらチョイスしていたかもしれません。

ナフコの椅子はお手頃っす

そして本日、ちょうどたまたま通りかかったナフコに行って、PBの椅子に座ってみました。作業椅子のお値段は5000円から15000円ぐらいのレンジでした。

色々座ってみたのですが、値段なりという座り心地でこれというものはありませんでした。

もちろんダイニングチェアからのレベルアップという意味においては超レベルアップできる座り心地です。

キャスターもついているので多分L座りしたらグラグラして作業になりません。

でも、ナカザワ文具に行ってしまったせいで、この私めがナカザワ文具に行ってしまったせいでどうしても納得することができませんでした。

都会に言ったら椅子に座りに行きます

あとはこの価格帯で座っていない主なメーカーはIKEAでしょうか。神戸にあるので今度行きたいと思います。あとはイトーキやコクヨ、オカムラなどのショールームにも行ってみたいです。

でも、それ以上の高級椅子はだめです。名前も覚えないようにしようと思います。

以上、腰が痛いだけの頭が回らないLからお送りしました。

 

ネコフェス2017に参加してきました。

f:id:bananawoma:20170117150549j:plain

アルカラが主宰する都市型ライブハウスフェスに行ってきました。

神戸を代表するライブハウス「神戸チキンジョージ」をはじめとして「SLOPE」「Varid」など三宮界隈のライブハウスを舞台とした、今年で第5回目のロックフェスティバルです。

ライブハウスに行くこと自体おおよそ10年ぶり、妻と二人で出かけました。久しぶりに体でバスドラムを感じた感想を見たアーティストごとに書いていこうと思います。

 

1.GRAPEVINE

まずはGRAPEVINEを見に行きました。会場はSLOPEです。

初めの会場はチケットごとに決まっており、私たちの場合は第2希望であるGRAPEVINEに当選したので見に行きました。

因みに第一希望はXニャパンでしたが、こちらは通らず。GRAPEVINE第一希望でXニャパンが当選した人もいるようなので、なかなか第一希望は通らないみたいですが、それでも第一回発売で当選したので相当運がよかったようです。

GRAPEVINEは彼ららしいミディアムテンポの曲中心で心地の良い時間を過ごせました。

MCの中で、「体力を温存しておいてください」というのがあったのですが、結果的にGRAPEVINEの厚意に本当に助けられました。

 

因みに私事ですが、GRAPEVINEは自分が一人でいった初めてのライブで、会場もSLOPEだったので本当に偶然ですがただただ懐かしかったです。

 

2.Suchmos

ネコフェス2つ目のライブ、目的地はチキンジョージ、直前までシークレットになっていたアーティストは今人気絶好調、バカリズムさんのマジ歌でもおなじみのSuchmosです。

当日まで知らなかったんですが、妻と一度は生で聞きたいなと思っていたバンドでしたので、チキンジョージに向かったのですがまあ人気からは当然の入場規制。

見ることができませんでした。

あきらめて「クラブ月世界」のボーカリストカラオケ大会にでも行こうかと思ったのですが、そちらも入場規制、ランチを予定してたお店が休業日、という状況もあり作戦会議の時間となりました。

入場状況と体力を鑑みて今日はチキンジョージ一択でという結論になりました。

 

3.ひめキュンフルーツ缶

ネコフェス3つ目のライブは、チキンジョージ、ひめキュンフルーツ缶を見ました。愛媛のご当地アイドルという事で愛媛とは縁が遠くない私は楽しみにしていたのですが、なかなか面白いライブでした。

アルカラが楽曲提供しているという関係もあり、アルカラの曲も歌ってくれましたし、ファンの人と一緒に作っていくアイドルのライブというのを生で見られたのは貴重な経験でした。

新たな経験としては「推しジャンプ」というスキルを知ることができたことです。

推しジャンプとは推しメンが歌っているときにファンがリズムに合わせて垂直飛びし続けることのようで、頭一つ抜け出すことにより、目が合う機会を増やすことが目的のようです。

イメージしにくい場合はマサイ族のジャンプを想像してください。9割ぐらいシンクロしています。


マサイ族のジャンプ

残念なのは、せっかく生で見ることができたひめキュンさんですが、メンバーがみんな卒業するとのことです。後述しますが出会いと別れ、それがテーマのネコフェスだったと思います。

 

4.夜の本気ダンス

私はよく知らなかったのですが、妻の希望もあり引き続きチキンジョージ。夜の本気ダンスを聞きました。これが本当にめっけもんですごくよかったです。ドラムの音合わせの段階から心を奪われてしまいました。

リズム隊がしっかりしているとのれます。主にドラムの人がしゃべっていましたが、結構滑っていました。

しかし「酉年の折り返しをチキンジョージで迎えることができてよかった。鳥だけに」というのは私は好きです。

毎年干支がありますが、もしどこかで使える機会があればぜひ、ワシのものにしたいと思います。鳥だけに。

曲も全体的にダンサブルで世界レベルだったと思います。

 

5.赤色のグリッター

これもチキンジョージ。妻の予想では夜の本気ダンスと同じぐらい人が入るだろうとのことでしたが、若干少なめだったかなという感じです。若さあふれておじさん少し気恥しくなってしまいました。

 

5.リバーシブル吉岡

今年の夏に活動休止(本人は事実上の引退とも)を宣言しているリバさんこと、リバーシブル吉岡さんのライブもものすごく盛り上がってよかったです。歌謡曲風のカラオケに乗せた歌謡曲風の曲もよく、歌もお上手で面白いライブでした。

中学生ぐらいのファンがいたことについては大丈夫かと思いましたが、何が大丈夫かという点についてはお察しください。


君と僕はカスタネット/リバーシブル吉岡

こちらも、活動休止前のライブという事で非常に出会いと別れというものを意識させるライブでした。

6.アルカラ

最後に見たのは、アルカラです。もう会場が押すな押すなの大混雑。パンパンの状態で外にまだ300人の待ちがいるというのだからすごい人気です。

私たち夫婦の目的もアルカラ、久々にライブを生で見たいというバンドに出会えたのですが、ここに来るまで時間がかかりました。

ボーカルの稲村さんも「出会いと別れ」についてMCをされていましたが、圧巻だったのはその演奏。アルカラだけで元が取れるぐらいの大迫力のライブでした。さすがライブバンド。

セットリストの最後の曲は「ミライノオト」一番生で聞きたいと思っていた曲だったので、正直鳥肌が立ちました。

感動で我を忘れるぐらいでした。

久しぶりのライブハウスでしたが、また機会があればぜひ行きたいです。

その時は体力づくりをしてもっと小さい箱も見に行きたいと思いました。

皆さんもぜひ来年はチケット争奪戦で戦いましょう。

時代は馬連

f:id:bananawoma:20170314144616j:plain

ワイドは3連複総流し、複勝はワイド総流し、単勝は馬単総流し、馬単は3連単総流し。

じゃあ馬連って何?

分かりません。

 

でもこれって結構重要じゃないですか?という話。

 

三連複派から馬連派に

個人的な話ですが、これまで三連複派だったのですが、最近馬連派になってきている自分がいます。

これにはわけがあって、圧倒的一番人気って多分他の競馬ブログとかに書いてあると思うんですけど、3着内に来る確率ってすごく高いんですよね。

私は比較的穴党なので、圧倒的一番人気の馬は買いたくないんです。だって絶対買われすぎてるわけですから。

そういう事もあって、競馬では圧倒的1番人気が3着に敗れ、馬連のほうが三連複より何倍もつくという事がよくあります。

じゃあ馬連でいいじゃんねというげっすい理由で最近馬連派になりました。

よく、単勝1倍台の複勝率はものすごいという言説を見ますが、連対率でみると正直体感的に60%ぐらいなんじゃないかというのが私の体感です。

だから単勝2倍台ぐらいの一番人気は買いたくないのですが、3連複を買っている限り来ちゃうんです。

だから馬連派になりました。

 

単勝、馬単、3連単は1着を当てる馬券、複勝、ワイド、三連複は3着内を当てる馬券

さて、個人的な話はそっちのけにして、タイトルの話に戻ります。

私は馬券を単系馬券、複系馬券、馬連(枠連)という風に分けて考えています。単系=1着を当てる、馬連=連対を当てる、複系=3着内を当てるという風に機械的に考えています。

私も予想するときには◎〇▲△のように、馬に順列をつけて考えるんですがそれをもって、単系馬券を買う気にはあまりなりません。

だって順番通りに当てるなんて難しいじゃないですか。バッファが必要だと思うんです。そのバッファを考慮すると単系馬券のリスクというのはとてつもなく高いなと。

表裏買う、とかマルチで買うとかいう方法もあると思うんですが、人気→人気薄で決まったら複とほぼ変わらない配当で、逆で決まってもせいぜい2倍の配当なら旨みないと思うんです。

一方の複系の話ですが、3連複って結構な確率で一番人気か2番人気が絡むのでなんか終わってみたら人気薄2頭で1,2着なのに数万馬券程度という事がよくあります。

なんだったら、万馬券にならないこともよくあります。

これはよくありません。こっちはリスクを背負って一番人気を嫌っているんだからもっとついてくれないと。

そんな時に出会ったのが馬連です。私が競馬を始めたときの主流馬券馬連。馬連に生まれ馬連を愛した男、空前絶後の馬連です。

実は最近馬連をベースにしてから調子がいいんです。

昔、浦和レッズの負けないよ!さんが負けないよ!って言ってから連敗してJ2落ちしたという悲劇があるので、負けないとは言いませんが、感触的にはよさげな感じがしています。

負けないよ!

NextPhase--

とはいえこのままでいいとは思ってません。進化しなければポケモンではありません。

今後は馬連で負けない馬券の買い方をしながら、旨みのある三連複を買い足して大勝ちを狙う。

そういう姑息な馬券の買い方ができる人間になりたいと思います。

でも3連単、お前はだめだ。信用ならん。

現場からは以上です。

ノートパソコンに外部ディスプレイをつけたら家での生産性が上がった件

f:id:bananawoma:20170117111434j:plain

当たり前の話かもしれませんが、という前置きで、PCに向かう環境というのは生産性に大きくかかわってきます。

そこで今回は生産性を上げるために、買ってよかったと思うものを上げていこうと思います。

ディスプレイ!

まず、圧倒的に生産性が変わったものは外部ディスプレイです。

 

BenQ モニター ディスプレイ GL2460HM 24インチ/フルHD/TN/HDMI端子搭載

BenQ モニター ディスプレイ GL2460HM 24インチ/フルHD/TN/HDMI端子搭載

 

 

本来は、ノートPCの画面とダブルモニタで使用する予定で購入したものですが、むしろこちらばかり使っています。

モニタ自体はHPの型落ちもので実は、HDMIも対応していないものなのですが、HDMI変換ケーブルを使ってノートPCに接続しています。

 

PLANEX HDMI-DVI変換ケーブル 2.0m PL-HDDV02

PLANEX HDMI-DVI変換ケーブル 2.0m PL-HDDV02

 

 私の場合予算の都合上このような構成にしましたが、普通に余裕のある方は普通にHDMI対応とかもっと進んだものとかのいいモニターを使う事をお勧めします。技術の進歩は日進月歩です。

 

ノートPCと外部モニタのデュアルモニタは使いづらい

ただ当初の目的のデュアルモニタでの作業環境の構築というのは達成できていません。一番の理由はモニタのサイズが違うというのと、モニタの高さが違うというところでしょうか。

もう少しレイアウトを工夫すればいいのかもしれませんが、外部モニタの高さとノートPCのモニタの高さは物理的に違うので結構首を動かさなければいけません。

それをやるぐらいなら、外部モニタだけでいいや、という感じになってしまって、ノートPCのモニタはほとんど見ていない感じです。

 

デュアルモニタのために

しばらくはいいかと思っているのですが、外部ディスプレイでこれだけ生産性が上がったので、デュアルモニタに食指が伸びます。

ただ、まだ他に優先すべき環境があるので、(ダイニングチェアを何とかしたいとか、USB3.0ハブとか)ちょっと後回しになりそうです。

モニターアームと、ノートPCホルダで並べたらもう少しデュアルモニタを活用できるかもとも思いますが、中古の型落ちモニタをUSB3.0接続とかで追加するほうが早いかもしれません。

 

そんなこんなで、デュアルモニタ計画はとん挫したものの、外部ディスプレイをつけたら昨日までの私が、シンデレラになってガラスの靴を手に入れた気分です。

うっひょー。

FISH Feed&Grow攻略法 単純だけどハマるブラウザゲーム

f:id:bananawoma:20160926170603j:plain

FISH Feed&Growとは

FISH Feed&Grow とはUnityで提供されているブラウザベースのゲームです。

ブラウザバージョンは無料でプレイでき、有料版は1200円となっております。

ゲーム内容はいたってシンプルで、海(有料版は川などもあり)で魚となって、生き残り続けるというゲームです。

魚となった主人公は、きれいなグラフィックの海を動き回り、マウスの左クリックで他の魚を攻撃し、右クリックで他の魚を食べます。

他の魚を食べ一定の経験値を得ることで体が大きくなっていき、他の大きな魚にも対抗できるようになっていきます。

現実と違うのはオコゼのような魚で初めてもレベルが上がるにつれて際限なく体が大きくなっていくので、最終的にはハンマーヘッドシャークや古代魚、ホホジロザメなども捕食できるようになることです。

魚版島耕作とでもいえるでしょうか。

体験版は下のサイトでプレイできます。

Game Jolt - Indie games for the love of it

 

FISH Feed&Growの攻略法

FISH Feed&Growではとにかく食べて大きくなることが正義です。

大きさ=強さみたいな部分があり、レベルを上げて大きくなることで他の魚から捕食されるのを防ぐというのが、唯一の攻略法になります。

特に小さな魚から始める場合はレベル10ぐらいになるまでは、他の魚に食べられる可能性が非常に高いので、大きな魚に近づかないことが最優先になります。

とりあえず、レベル10になるまでは、イソギンチャクやヒトデ、カニなど攻撃してこないNOT魚を食べ続けてレベルを上げていくのが重要になります。

さらに分けると、レベル5ぐらいまでは、イソギンチャクとヒトデに絞ったほうが楽です。

なぜかというとカニは固いのです。カニを食べられるまで(肉になるまで)攻撃している間に他の魚に攻撃されるとひとたまりもありません。

そのため、レベルを5ぐらいに挙げるまではイソギンチャクとヒトデを食べながら逃げ回ることをお勧めします。

レベル5ぐらいになると楽にカニが食べられるようになります。カニは比較的経験値が高いので、浅瀬(カニの生息地)に行き一気にレベルを上げてしまいましょう。

 

シャコには注意

さて、先ほどNOT魚でひとくくりにしましたが、注意しないといけないのがシャコです。シャコは魚じゃないくせに攻撃してきます。また、なかなか攻撃力が高いので曲者です。丸呑みできる大きさになるまではシャコには手を出さないことをお勧めします。

 

ホホジロザメはラスボス

さて、レベルが100を超えハンマーヘッドシャークや古代魚を捕食できるようになったからと言って安心してはいけません。

なぜかというとホホジロザメだけは強さが別格だからです。

どれぐらい強いのかは実際に体験してみてください。まさにラスボスです。

 

息子がはまって困る

さてこのゲーム、実は私自身はそんなにしていないのですが、息子がはまってしまって、私のPCでプレイするものだから困っています。

でもまあそれぐらい中毒性の高いゲームという事なんだと思います。

自分もやり始めると長時間続けてしまう事があるので、あえて触らないようにしています。

もしあなたが時間が余って仕方ないという事であれば一度されてみてはいかがでしょうか。

Game Jolt - Indie games for the love of it

 

 

書評:詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

f:id:bananawoma:20170616170148j:plain

前回書いた通り、Seq2seqチュートリアルをカスタマイズするという機会がありまして、その勉強のために何冊か参考書籍を購入したのですが、タイトルにも挙げている「詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~」が非常に参考になったので、書評というか、紹介したいと思います。

 

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

 

 

ゼロから丁寧に説明

これは表紙に書いてある通りなのですが、0から丁寧に説明してくれます。

まず、この書籍はTensorFlow・Kerasによる時系列データ処理(最終的には応用的なRNN(リカレントニューラルネットワーク)の実装までを追って学習できる本です。

こういった本の場合、(本当の入門書でなければ)基本的に、ある程度の深層学習の知識や、NN(ニューラルネットワーク)についての仕組み、またそのもととなる数学知識などは事前知識として求められる印象です。

しかしこの本の場合、まず初めの章で基礎となる数学知識を、その次に単純なニューラルネットワークモデルを、その後、畳み込みニューラルネットワークを学んだあとに、リカレントニューラルネットワーク、さらにその応用と順を追って学んでいくことができます。

時系列データの処理については、主にリカレントニューラルネットワークが使われることが多いと思いますが(最近では畳み込みニューラルネットワークでリカレントニューラルネットワークよりも高い精度のものがあるというニュースを何かで読みましたが)正直、いきなり手を付けるにはとてもハードルの高いものでした。

 

そういう意味でこの本は、NNの概要をほんのちょっとかじっただけの私、頭がこんがらがっていたところに、やってきた天の助けみたいな本でした。

 

Tensorflow、およびKerasのサンプルコードが豊富

また、この本にはTensorflowおよびKerasのサンプルコードが豊富に載っています。ふつうこういう本の場合、理論に終始している、もしくはTensorFlowならTensorFlow、ChainerならChainer、Torch(Lua)ならTorch(Lua)など単一のライブラリについて記載されていることが多いのですが、この本の場合、人気のライブラリであるTensorFlowとそのラッパーライブラリである(Theanoのラッパーライブラリでもあります)Kerasのコードが載っているので、理解のスピードが1.3倍ぐらい(体感)で感じられます。

またこの組み合わせがいいのは、TensorFlowがちょっといろいろめんどくさいライブラリであるのに対して、Kerasはそのめんどくさいところを排除したライブラリなので、簡単なモデルを試すならKeras、ちょっと深く理解したいならTensorFlowと分けてみることができるところです。

やっぱり専門家でもない限り理論をいろいろ勉強するよりコードを見たほうが早いじゃないですか(偏見)

そういう意味でも二つのライブラリの例が載っているこの本は私にとってはマーベラスな本だと感じました。

 

時系列データ処理の入門書にいいですよ

正直時系列データ処理ってよくわからなかったんですが、順を追ってみていくとどのようなものかわかった気がしています。

もしかすると初学者以外には物足りない内容かもしれません。

しかし初学者については、順を追って学習できる点。複数のライブラリでの実装を確認できる点の2店でこの本は非常におすすめだと思います。

Kerasは使ったことないですが、複雑なものでなければTensorFlowより使いやすそうだなという感想を持ったので、時系列データ未経験かつ興味のある方、誰か私の代わりにこの本を使ってKerasで時系列データ処理をしてみてくれませんでしょうか。

Tensorflow1.0~1.1でSeq2Seqチュートリアル(RNNCell)を使う上での注意点

f:id:bananawoma:20170111122413j:plain

TF1.xでのSeq2Seqチュートリアルの挙動

最近tensorflow1.0でSeq2seqチュートリアルをカスタマイズする機会があったのですが、なかなかハマったので忘備的に記録を残しておこうと思います。

結構、同じようにハマっている方がいらっしゃったみたいですが外国の方が多かったようなので日本語で。

TF0.12からTF1.0への変更点については、日本語化されたドキュメントも多数ありますのでそちらに譲るとして、Seq2Seqチュートリアルをカスタマイズするうえで記載されていない変更点があり、それに苦労しました。

どうもTF1.2ではその対策が取られているみたいですが、詳しく読んでいないので割愛します。

RNNCellの仕様変更

その変更点というのは、RNNCellの仕様変更という部分なのですが、RNNCellの再利用のルールが厳しくなっており、単純にコードを1.0化するだけでは使えないという問題が発生しました。

ValueError: Attempt to reuse RNNCell <tensorflow.contrib.rnn.python.ops.core_rnn_cell_impl.BasicLSTMCell object at 0x10210d5c0> with a different variable scope than its first use. First use of cell was with scope 'rnn/multi_rnn_cell/cell_0/basic_lstm_cell', this attempt is with scope 'rnn/multi_rnn_cell/cell_1/basic_lstm_cell'. Please create a new instance of the cell if you would like it to use a different set of weights. If before you were using: MultiRNNCell([BasicLSTMCell(...)] * num_layers), change to: MultiRNNCell([BasicLSTMCell(...) for _ in range(num_layers)]). If before you were using the same cell instance as both the forward and reverse cell of a bidirectional RNN, simply create two instances (one for forward, one for reverse). In May 2017, we will start transitioning this cell's behavior to use existing stored weights, if any, when it is called with scope=None (which can lead to silent model degradation, so this error will remain until then.) 

github.com

 実際のエラーメッセージを上げると上記のエラーになります。同じ変数を違う名前空間で使用することができないといった内容でしょうか。

チュートリアル上でいうと、TF0.12対応のチュートリアルでは、エンコーダで使用するRNNCellとデコーダで使用するRNNCellが同一のものが使われているのですが、仕様上それができなくなったようです。

そのため、エンコーダとデコーダのRNNCellを分けて定義する必要があります。

また、multiRNNCellの定義の仕方をMultiRNNCell([BasicLSTMCell(...)] * num_layers), から MultiRNNCell([BasicLSTMCell(...) for _ in range(num_layers)]).に変えないといけないという指示も出ています。

おそらく、チュートリアルを動かすだけの場合はこの対応のみで回るんでしょうが、今回はカスタマイズしたため、全体的にRNNCellの定義を変更する必要が出てきました。

 

RNNCellが再利用されるべきものか新たに定義すべきものか

ここで気を付けたのが、RNNCellがどのような動きをすべきかというところです。

再利用されるべきものの場合名前空間(VariableScope)に引数として、Reuse=Trueを追加するという対応になりますが、別のものの場合Cell自体の変数定義を別に使用しないといけません。チュートリアルのSeq2SeqModel.pyではRNNCellを別の関数間で再利用しているものがあるので、形は同様の別のRNNCellを利用する場合は新たに変数としてCellを定義してやらないといけません。

同ファイルではDeepCopyという関数を使ってそれを行っていますが、どうもうまくいきません。(DeepCopyでは同じものを使っていると認識するのでしょうか?ごめんなさいよくわかりません)

結構長期間の格闘の末、何とか動くようにはなりましたが、どうもTF1.0~1.1でSeq2Seqチュートリアルを行うのは無理筋のようです。(URLは失念しましたが調べている間に同バージョンでSeq2Seqチュートリアルを使用するのは非推奨という記載も見かけました)

 

Seq2Seqチュートリアルを利用する場合は0.12のままで、もしくは新たなチュートリアルの登場を待ったほうがよさげ

TF0.xのSeq2Seqライブラリについては、TF1.xではregacy_seq2seqライブラリとして遺産的に扱われています。変更を加える予定で(1.2ですでに変更されているかもしれませんが)残されているような形になっています。

今回の1.2への変更でRNNCell周りの仕様が大幅に変更されているっぽいのでそれを基に新たなSeq2seqチュートリアルが出てくるかと期待しているのですが、現状Seq2seqチュートリアルをカスタマイズする場合はTF0.xで行うほうがよさげです。