こんにちは．changです． 今回は一言メモです．
Garminの心拍計が反応しなくなったので電池交換をしようとしたところ，，， 何やら星型の特殊ネジが使われています！
昔は普通の精密ドライバ(プラス)で開けられたのに... 確かに，壊したり無くしたりして何度か買い直してるんです． どこかで変わったんですね💦
どうしようか途方に暮れていたところ奇跡的に購入時の箱がみつかり，，， ちゃんと専用工具が入ってました！
無事に交換できました． 富士ヒル前に不安材料が増えなくて良かったです😀 レース中に心拍計を見ることは殆どありませんが，普段在るものが無いと嫌ですよね．
いよいよ明後日が本番です． 平常心で臨みたいと思います．
こんにちは．changです． 前回*1に引き続き，アクションカメラのセットアップをしていきます． 公式の動画*2を見ながら進めます． 英語ですが，難しい事は言ってなさそうです．
予めスマフォにアプリをインストールし，WifiとBluetoothをオンにしておきます． 案内に従ってfirmwareもアップデートしました． WifiはSSIDの設定をしなくても繋がります😮
続けてユーザー情報の登録を求められたので，済ませておきます． 規約を詳しく読んでませんが，おそらく，登録を起点に補償が発生するのかと．
カメラ画面での操作は細かくてオッサンには大変ですが，撮像等の基本操作はWifi接続でスマホから操作できるようです．
ここで，MicroSDに異常があると言われてしまいました． 昔のスマホで使っていた古いやつだからかな... 買い換えて再トライです😮💨
また中途半端になってしまいました． 次回からはもう少し纏めて，ロードバイクに付けてドライビングレコーダとして使うのと，360度カメラでVR動画を作るのをメイントピックとして記録していくつもりです．
こんちには．changです．
アクションカメラInsta360 ONE RS TWIN EDITIONを購入しました． 今回は開封だけです． これから使っていこうと思います😀
アクションカメラを欲しいと思った理由は，大きく二つあります． 一つ目は自転車用のドライビングレコーダが欲しかったこと，二つ目は仕事の関係もあってVR動画が作れる全方位カメラが欲しかった事です．
上記の購買意欲からすると，定番はGoPro Maxです． カメラは得意分野では無いので，無難に行こうと思ったのですが...少し考えました🤔 GoPro Maxは2019年9月に発売されました． 近く新型がリリースされるという噂もあります． 今買うと，型落ちになってしまう可能性があります．
せっかくだから最新が良いなぁと思って検索していたところ，Insta360 ONE RSがヒットしました． このカメラで気に入った点は:
即決でAmazonで買いましたwww 一応デメリットも上げておくと:
Note:
MicroSDは別売りです．
本当に開けるだけになってしまいました． 仕事行かなきゃ💦
こんにちは．changです．
前回に続いてiOSでDeep Learningをやってみます． サンプルをベースに，自作U-Netの学習済みモデルを使ってSemantic Segmationします．
前回，公式からダウンロードしたソースを使います． ソースは，~/Tools/TensorflowLite下にあります．
環境変数を再設定
% echo export PATH='/opt/homebrew/bin:$PATH' >> ~/.bash_profile % rbenv global 3.1.1 % source ~/.bash_profile % rbenv versions
% cd ~/Tools/TensorflowLite/examples/lite/examples/image_segmentation/iOS % pod install
エラーになる
ここ*1で紹介されている方法で解決
% xcode-select --install % xcode-select --reset
workspaceを生成→プロジェクトを開く
% pod install % open ./ImageSegmentation.xcworkspace
Bundle IdentifierとTeamを指定してビルド
出来ました😀
以前に作ったU-Net*2をそのまま使います． Tensorflowで生成されるpbファイルをTensorflowLiteのtfliteファイルに変換するソースのみを書き足しました． 今回は(高速化の為の)量子化等はせず，単純に変換だけ行います．
pb_to_tflite.py
import numpy as np
import os
import tensorflow as tf
dir = "./u-net"
input_model = dir + "/output"
output_model = dir + "/models/unet_dagm_256.tflite"
#to tensorflow lite
converter = tf.lite.TFLiteConverter.from_saved_model(input_model)
tflite_quant_model = converter.convert()
if not os.path.exists(dir + "/models"):
os.mkdir(dir + "/models")
with open(output_model, 'wb') as o_:
o_.write(tflite_quant_model)
Note: 変換はLinux上で行いました．
上で変換したtfilteをGoogleドライブ経由でMacに移植しました． 更に，examples/lite/examples/image_segmentation/ios/ImageSegmentation/modelにコピーし，プロジェクトに追加しました．
ソース内で定義されていたモデル名を指定．
ImageSegmentator.swift
static let modelFileName = "unet_dagm_256" static let modelFileExtension = "tflite"
デバッグ実行するとエラーになりました． ちなみに，Androidでは同様に変換したtfliteを読めました． iOSでは独自の変換が要るという事でしょうか？
時間掛かりそうなので，一度区切ります． 集中すれば出来そうなんだけどなぁ😮💨
こんにちは．changです．
ほぼ自分用のメモですが，MacでTensorflowLiteのサンプルをビルドして，iPhoneカメラでobject detectionするまでの記録になります．
今回は設定ファイルの編集に使うだけですが，必ず使うので入れておきます．
TensorflowLiteとは全く関係ないのですが，記事の下書きをするのに使いました．
Xcodeと一緒に入っていた為にインストール不要で，ver.確認だけしました．
% git --version
これが無いとcocodpodsが入らない様です*2*3． 環境変数の追加まで行いました．
brewをインストール
% /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" % echo export PATH='/opt/homebrew/bin:$PATH' >> ~/.bash_profile % source ~/.bash_profile % brew update % brew install rbenv ruby-build
続いてrbenv
% rbenv versions % rbenv install -l
% rbenv install 3.1.1 % rbenv versions
環境変数を設定
% rbenv global 3.1.1 % sudo code ~/.bash_profile
~/./bash_profile
[[ -d ~/.rbenv ]] && \
export PATH=${HOME}/.rbenv/bin:${PATH} && \
eval "$(rbenv init -)"
% source ~/.bash_profile % rbenv versions
面倒なことに，環境変数設定はTerminalを再起動すると無効になってしまう様です
% sudo gem install cocoapods
% pod setup
% cd ~/ % mkdir Tools % cd Tools % mkdir TensorflowLite % git clone https://github.com/tensorflow/examples.git
% cd ~/Tools/TensorflowLite/examples/lite/examples/object_detection/ios % pod install
プロジェクトを開く
% open ./ObjectDetection.xcworkspace
Bundle Identifierを指定
Apple ID
今回はDeveloper ID無し*6でやります．
実機を繋いでいざビルドと思ったが...
Xcodeのver.を確認
先は長そうですが，めげずにiOS ver.を更新
無事に更新されました．
再度Xcodeを更新
無事に13.3.1が入りました．
プロジェクトを開く
% cd ~/Tools/TensorflowLite/examples/lite/examples/object_detection/ios % open ./ObjectDetection.xcworkspace
実機を接続
デバッグ実行すると，iPhone側でエラーになる
設定⇨VPNとデバイス管理からDeveloper(自身)を信頼します．
出来ました😀
高々これだけの事をするのに，凄く時間がかかりました😮💨 めげずに続けていくしかないですね．
次回はデバッガーを動かしてみようと思います．
*1:https://code.visualstudio.com
*2:https://qiita.com/nishina555/items/63ebd4a508a09c481150
*3:https://www.yururiwork.net/archives/1563
*4:https://github.com/tensorflow/examples/blob/master/lite/examples/object_detection/ios/README.md
*5:https://cloud.google.com/vision/automl/object-detection/docs/tflite-ios-tutorial?hl=ja
*6:https://dev.classmethod.jp/articles/run-on-devices-without-apple-developer-program-license/
こんにちは．changです．
1週間前の話になりますが，富士チャレンジカップ 200 kmに出場しました． 結果は12位． 良い意味で，新たな課題が見えてきました．
初めての200 kmレースで，分からない事だらけでした． しかも，袖ヶ浦 160 km*1から2週間間隔での出走です． 疲れが残る事は無かったですが，どうしても2週間前→袖ヶ浦からの回復，レース週→軽めの調整となり，自身の調子を把握しにくかったです． 自分に合ったレース間隔とか，レース間隔に応じた調整方法なども身に着けていく必要がありそうです． 毎週レースをしているプロは本当にすごいと思います．
4日前のインターバルではそこそこ踏めたので，調子が悪くない事は判っていました． でも，過度に気負わないでレースに臨みたかった為，軽めの調整に徹して，FTP値が明るみになる様なメニューは避けました． 気持ちの弱さなのかも知れないですが，稀なスーパーコンデションを狙うよりも，イーブンで自然体でいる方が良い気がします．
今回，ポイントになったのは雨です．
天気予報は悪かったですが，降ったとしても昼過ぎからだと思っていました． 会場への移動中に雨が降り出したときは，4年前の土砂降りが頭をよぎりました．
店長選手権に出場した店長さんから，路面は極端にスリッピーでは無いと聞いていました． 実際，コーナーで滑る感覚は無かったです． 前回から導入しているPirelli 28 mmが良かったのかも知れません． ただ，兎に角寒くて，チームメートは皆肩をすぼめていました． 早々に試走を切り上げて冬用のレッグカバーに替え，レインウェアを着たまま出走することにしました．
序盤は速かったです． 並んだ位置が後ろだった所為もありますが，ローリング直後に千切れかける様な状況でした． 最後尾にいるとどんどん削られてしまうので，脚を使って集団の中盤に上がります．
集団の人数はどんどん減っていきます． 50 kmを過ぎた頃には，100 kmカテゴリの選手を含めて30人位しか残っていなかったと思います． 200 kmカテゴリに至っては，(レインウェアでゼッケンが見えない方もいたものの)数名しかいませんでした． このペースのまま200 kmは持たないと感じていました．
弱気になった所為もあって千切れます． その後は第2集団に合流しました．
100 kmを過ぎると，どっと選手が減ります． 集団を探して仕切り直そうと思っていたところへ，200 kmの先頭集団が来ます． ところが，リズムを合わせる事が出来ずに千切れます． 一人で走っても仕方がないと思い，ピットに入ってお手洗いに行きます． ついでに，レインウェアを脱ぎました．
コースインして，先刻千切れた集団に再度乗ります． この時はペースが合いました． 集団は，レース参加者よりもサポートライダーの方が多い状態で，非常に安定していました． 僕と同様に周回遅れの方が殆どでしたが，皆さん上手い方で，走りやすかったです．
周回遅れになっていない選手は3名しかいなかったそうです． 終盤に近付くと，この3名にレースをさせてあげようという雰囲気になります． サポートで並走してくれていた56店長の男気が発揮された感じでした． そうなるとペースは上がらなくなります． 大会スタッフがペースを作る時間帯が大半になり，レースっぽくは無かったです． 集団から千切れた時点でレース終了という事ですね． そのまま集団でゴールしました．
比較対象が無いので正直良くわからないですwww． 平均パワー162.3 Wは高くない様な気がしますが，200 kmではこんなものなのかも知れないです． TSSは364.3でそこそこなので，自身の持てる力は出せたのかと思います．
ラップ記録を見ると，おそらく13週目で千切れていますね． 昨年走った100 km*2のデータと比較しても，セレクションが掛かった様に見えます． この展開にこそ食らいつき，耐久戦で勝負できる様になりたいです！
雨対策
レインウェアを持っていたのは良かったのですが，撥水処理を怠っていました． レース前半でびしょ濡れになってしまい，身体を冷やしてしまったと思います． レインウェアと靴には，日常的に撥水スプレーを使うべきですね． velotozeも携帯品リストに入れないとです．
補給食
ショップの店長さんから，200 kmのレースでは固形食も必要だというアドバイスを受け，初めてジャムパンを持ちました． 咀嚼は何とかなりましたが，包装を剥がすのが若干大変でした． 包み紙の種類や，包み方を変える必要がありそうです．
レース中の体温調整
上述のレインウェアと重複する内容ですが，レース中の体温調整の重要さを実感しました． 今回，一度ピットインしてお手洗いに行っています． この時にレインウェアを脱いだ事で，調子が上向いた感覚があります． タラレバを言っても仕方ないですが，ピットインせずにレインウェアを脱げていれば，トップ10に入れた可能性があります．
生理現象は我慢しようが無いですが，身体を冷やさなければマシになります． レースによっては手放しが禁止されるので注意が必要ですが，プロのレースではレース中にウェアを着脱することが当たり前です． 長袖のレインウェアだと危険かも知れませんが，ベストとかだったら何とかなる気がします．
12位という順位は自身の最高成績です． 200 kmを走りきった達成感もあります． でも，レースの展開にもっと絡みたかった思いはあります． 引き続きトレーニングをして，レース経験を重ねていきたいと思います．
こんにちは．changです． 袖ヶ浦チャレンジ 160kmにソロ参加しました． 結果は16位． この距離のレースを初めてまともに走りきる事が出来ました😀
袖ヶ浦フォレストレースウェイで行われるエンデューロです． 昨年，同様のイベントに2回に出ました． 良く解ってませんが，主催者が異なる別イベントの様です．
袖ヶ浦フォレストレースウェイは，ドフラットではないものの登り(というか周回そのもの)が短く，コーナーの難易度が高いことから苦手としているコースです． ただ，もう走りたく無い程嫌いでは無いです． トレーニングというか，苦手克服の為に挑戦しようと思えるコースです．
下総エンデューロ*1の2週間後でした． これ自体は問題なかったのですが，下総の翌日にチームの大学生と明神に行ったのがヤバかったです．
疲れが暫く抜けず，高強度のトレーニングが出来ませんでした． レースの3日前にようやく戻ったのですが，どの位踏めるか全く判らない状態でのスタートでした．
全体的にまったりというか，一定ペースでした． 序盤はプロ選手がひいてくれたのですが，ホームストレースで40 km/h出ない周回もありました． ”チャレンジを楽しむ”というイベントの趣旨なのでしょう*2．
途中，更にペースが落ちます． 「100 kmカテゴリーがゴール直前だから，邪魔しないように」という事になったみたいです． この時は本当にゆっくりで，第2コーナからの登り返しで集団が詰まってしまう程でした．
100 kmを過ぎてプロ選手の牽引が終わると，少しレースっぽくなりました． 有力チームが前に上がる動きも見られたので，警戒していました． ただ，集団の前方に留まり続ける事が出来ませんでした． 位置取りを少し下げたタイミングでアタックがかかりました． アタックは見えていたのですが，誰が行ったのかまでは判りませんでした． 結果的にはこの時に有力選手を逃がしてしまい，レースが終わっていました．
思い返すと，アタックは数回掛かっていたのかも知れないです． アタックの直後に集団の前方に上がって追走に備えたのですが，誰も追おうとしませんでした． その時は，千葉でよく見る赤いジャージのチームを含む3人程度が逃げたと認識しています． でも，この逃げは最終盤で吸収したのですよ🤔
なので，この前にもっと決定的な逃げがあったのかも知れないです． 集団の前に居られず，展開に絡めなかった事は少し残念です．
最終盤，160 km参加者と強調して追走集団のペースを上げようとしましたが難しかったです． 登りで前に出ると千切ってしまいます． 自惚れかもですが，追走の160 km参加者の中では最も脚があると感じていました． ただ，一人で抜け出す程の力はありませんでした． スプリントが無いと，こういう時に厳しいです．
※ 後で判った事ですが，強豪チームは逃げに選手を送り込んでいたし，参加者の多くが200 kmカテゴリーだったので追う必要が無かったのです．
最後は追走集団から諦め気味にスプリントしました． 追走集団の頭を取れば6位で，ギリギリ表彰台だったみたいですね．
サイコンのログを見ると，平均パワーとNPが昨年惨敗したウィンターサイクルマラソン*3とほぼ同値でした．
レースで重要なのはパワー値ではない無い，という事が良く解ります． 今回はインターバルが少なく，僕にとって有利な展開だったと言えます． 終盤になっても脚を残せてましたし，レース後もさほど疲れていませんでした．
距離が長いレースになる程，今回と似た展開になる筈です． 序盤の振るい落としに耐え，後半の持久戦でアタックする(或いはアタックに反応する)というのが，僕がするべきレースと言えます． 富士チャレ200 kmが楽しみになってきました🔥
オーバーホール明けだったのですが，羽が生えたかの様にバイクが軽かったです． ショップのスタッフさんに感謝しています．
大きなパーツ変更はしなかったのですが，タイヤをコルサ25 mmからピレリの28 mmに替えました． 28 mmにしたのは腰痛軽減の為，ピレリを選んだのは軽量化の為です． 4.3気圧で使用しましたが，素晴らしく良かったです． コーナーの安定感が格段に増しました． 腰痛も若干マシになった様な気がします． 空気圧を更に下げても良さそうです🔧 少しお高めではあるので，決戦レースタイヤとして使っていこうと思います．
落車が多かったです．
一件は僕の目の前で起きました． 転んだ選手の顔面が僕の前輪の前に落ちて来たので，少しヒヤッとしました． 転んだ方は救急車で運ばれました． 一日も早い回復を願っています．
この他にも大規模な落車が在り，救急車が入りました．
自身が落車をしない，落車のきっかけを作らない，落車に巻き込まれない為には，当たり前ですが，集団の前方に居る必要があります． ただ，自身が転ばなければそれで良いという訳でもありません． 怪我人が多いイベントでは楽しめないです．
僕はあまり意識しないで走ってましたが，”4 hを切るとS級ライダー”という特別賞が設定されてたのですね． これを狙って走っていた方も多かったのでしょう． サポートライダーの集団コントロールも納得です． イベントのコンセプトを理解して，チャレンジに協力しないとですね👍
ただ，団子状の大集団で走り続けるのは，個人的には危険だと感じました． もし，”S級チャレンジ”みたいなのをイベントの主目的にするなら，時間差とか，細切れでスタートさせた方が安全でしょう． (順位を競いたい人も含めて)イベントに沢山の人を集めるのは大切だけど，多様な目的を詰め込み過ぎるのは難しいのかも知れません🤔
自身としては過去最高成績だったのですが，あっけなかった印象があります． 気負わずに自然体で走ったのが良かったのかなぁ． 再来週の富士チャレ 200kmも同じアプローチで行きたいです．
