Ken kawashimaken

## esp32_with_two_st7735s_lovyanGFX.ino

#include <LovyanGFX.hpp>

// ESP32でLovyanGFXを独自設定で利用する場合の設定例

/// 独自の設定を行うクラスを、LGFX_Deviceから派生して作成します。
class LGFXsmall : public lgfx::LGFX_Device {
  // 接続するパネルの型にあったインスタンスを用意します。
  lgfx::Panel_ST7735S _panel_instance;
  // パネルを接続するバスの種類にあったインスタンスを用意します。

## user_settings.ino

#include <LovyanGFX.hpp>

// ESP32でLovyanGFXを独自設定で利用する場合の設定例

/// 独自の設定を行うクラスを、LGFX_Deviceから派生して作成します。
class LGFX : public lgfx::LGFX_Device {
  /*
 クラス名は"LGFX"から別の名前に変更しても構いません。
 AUTODETECTと併用する場合は"LGFX"は使用されているため、LGFX以外の名前に変更してください。

## esp8266_spi_tft_st7789_240x240
/* worked ! */

/*
ftf          nodemcu esp8266
https://simple-circuit.com/esp8266-nodemcu-st7789-tft-ips-display/

GND            GND
vcc            3V
SCL            D5(GPIO14)
SDA            D7(GPIO13)

## M5StickV_rgb_led_test.py
from modules import ws2812
from fpioa_manager import *
# 6 --> red
# 7 --> white
# 8 --> blue
# 9 --> green
fm.register(6)
class_ws2812 = ws2812(6,130)
r=0
dir = True

## 機械学習と深層学習の勉強用リソース.md

      
              1 file
            
          
              1 fork
            
          
              0 comments
            
          
              2 stars
            
          
                kawashimaken
                / 機械学習と深層学習の勉強用リソース.md
            
            
              Last active
              November 6, 2021 10:35
            
          
    ●チュートリアル

チューニング賞を受賞さいたディープラーニングの父Hinton教授のビデオが公開！（英語）


https://www.cs.toronto.edu/~hinton/coursera_lectures.html


本人曰くやや古い内容ですが、共通の基礎的な概念のところは参考になるところも多いでしょうと


メディカルAI専門コース オンライン講義資料（日本語）


## flatpath2jsontree.js
var _ = require('lodash');
var paths = [
    '/FolderC/FolderA/FolderQ/ItemA',
    '/FolderC/FolderA/Item1',
    '/FolderD/FolderF/FolderM/ItemA',
    '/FolderD/FolderF/FolderM/ItemB',
    '/FolderD/FolderG/ItemD',
    '/ItemInRoot'
];

## m5stack_bitcoin_price.ino
#include <M5Stack.h>
#include <WiFi.h>
#include "ArduinoJson.h"
#include <HTTPClient.h>

//WIFIのID
const char *ssid = "";
//WIFIのパースワード、パスワードのないWIFIはこここのままでも良い
const char *password = "";
//今回ビットコインの値段を取得するためのAPIのURL

## esp32_bitcoin_price.ino
#include <WiFi.h>
#include "ArduinoJson.h"
#include <HTTPClient.h>

//WIFIのID
const char* ssid       = "";
//WIFIのパースワード、パスワードのないWIFIはこここのままでも良い
const char* password   = "";
//今回ビットコインの値段を取得するためのAPIのURL
const char* apiServer = "https://api.coindesk.com/v1/bpi/currentprice/JPY.json";

## tensorflow_simplest_neural_network_program.py
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf

# MNISTのデータセットを使う
mnist = tf.keras.datasets.mnist

# データセットをロードする
# アンパックして、それぞれtraine_dataとtest_dataに格納
# train_data:60000個、test_data:10000個
(train_data, train_teacher_labels), (test_data, test_teacher_labels) = mnist.load_data()

## rPi3-ap-setup.sh
#!/bin/bash
#
# This version uses September 2017 august stretch image, please use this image
#

if [ "$EUID" -ne 0 ]
	then echo "Must be root"
	exit
fi

	#include <LovyanGFX.hpp>

	// ESP32でLovyanGFXを独自設定で利用する場合の設定例

	/// 独自の設定を行うクラスを、LGFX_Deviceから派生して作成します。
	class LGFXsmall : public lgfx::LGFX_Device {
	// 接続するパネルの型にあったインスタンスを用意します。
	lgfx::Panel_ST7735S _panel_instance;
	// パネルを接続するバスの種類にあったインスタンスを用意します。
	/* worked ! */

	/*
	ftf nodemcu esp8266
	https://simple-circuit.com/esp8266-nodemcu-st7789-tft-ips-display/

	GND GND
	vcc 3V
	SCL D5(GPIO14)
	SDA D7(GPIO13)
	from modules import ws2812
	from fpioa_manager import *
	# 6 --> red
	# 7 --> white
	# 8 --> blue
	# 9 --> green
	fm.register(6)
	class_ws2812 = ws2812(6,130)
	r=0
	dir = True
	var _ = require('lodash');
	var paths = [
	'/FolderC/FolderA/FolderQ/ItemA',
	'/FolderC/FolderA/Item1',
	'/FolderD/FolderF/FolderM/ItemA',
	'/FolderD/FolderF/FolderM/ItemB',
	'/FolderD/FolderG/ItemD',
	'/ItemInRoot'
	];
	#include <M5Stack.h>
	#include <WiFi.h>
	#include "ArduinoJson.h"
	#include <HTTPClient.h>

	//WIFIのID
	const char *ssid = "";
	//WIFIのパースワード、パスワードのないWIFIはこここのままでも良い
	const char *password = "";
	//今回ビットコインの値段を取得するためのAPIのURL
	from __future__ import absolute_import, division, print_function, unicode_literals
	import tensorflow as tf

	# MNISTのデータセットを使う
	mnist = tf.keras.datasets.mnist

	# データセットをロードする
	# アンパックして、それぞれtraine_dataとtest_dataに格納
	# train_data:60000個、test_data:10000個
	(train_data, train_teacher_labels), (test_data, test_teacher_labels) = mnist.load_data()
	#!/bin/bash
	#
	# This version uses September 2017 august stretch image, please use this image
	#

	if [ "$EUID" -ne 0 ]
	then echo "Must be root"
	exit
	fi