投稿

依存症の原因と対策

最近思ったこと。 私は昔から依存しやすい。 楽しくなくなってもやり続けるゲーム依存。 検索が止まらないネット依存。 身近な人に昼も夜も執着する人間依存。 欲しくてたまらなくなる買い物依存。 いつも辛い思いをして、最後は依存が弱まったところをエンジンフル回転で離れる。 なんだかんだ離れることができてきただけマシではあるのだが、それまでに結構痛い思いをする。 依存をするのはなぜだろう。 と、ふと思ったので頭の中を垂れ流しに書いてみる。 依存症には3種類あるという。 物質依存(酒、タバコ、薬物、...) 関係依存(友人関係、親子関係、宗教、恋愛関係、...) プロセス依存(ゲーム、ギャンブル、買い物、ネット、...) 物質依存は私は手を出したことそのものがない。 金銭的にも健康的にも実害が出るし、どう足掻いても他人から見て異常なのがわかってしまうからだろうか。 その意味では、他の二つはお金がかからないゲームを選んだり、甘えを受け入れてくれる人を見つけたりと、比較的逃げ道があるのだろう(そこを入り口として、お金がかかる方へと崩壊することもあるのだが。フリーゲームからの課金、結婚詐欺まがいなど)。 ただ、全てに言えることとして、 時間の犠牲 は最初から避けられないから、依存なんかできればしない方が良い。 原因 考えられる原因について整理してみよう。 遺伝要因(性格) たとえば、診断は受けていないが、私は昔から強迫性障害があるのではないかと思う。これは不安障害の一種らしい。 階段の手すりを触る回数は毎回指定され、その回数触れなかったらわざわざ戻って触る。 扉へは右足から入らなければいけない。 シャンプーのヘッドの向きは正確に真っ直ぐを向いていないといけない。置いた時に真っ直ぐでなかったら何度でも置き直す。 要は、自分でも訳がわからない変なこだわりが勝手に湧いてきて、思い通りにいかないことがたまらなく許せないのである。 買い物依存になった時にも、頭の中で「これを買わないといけない」という声がしていた気がしないでもない。 あとは思考を途中でやめてしまっていた。考える時間をお金で買うと思って、買ってしまえ、とか。 頭の回転が速ければこういうことはあまり起こらないのかもしれない。 環境要因(ストレス) 依存に陥った時、もれなく私生活が充実していなかった。 充実していない部分を何かで手軽

休みボケなどで集中できない時の対処法まとめ

※ほぼ自分用メモです  頭がぼーっとする要因は概ね 自律神経の乱れ 酸欠 疲れ 寝不足 といったところがメジャー。対処法としては 日光を浴びる(要因が疲れの場合逆効果になることがある) 窓を開ける 軽く体を動かす(散歩やストレッチなど) 声を出しながら思考する(独り言・会話) 感情が大きく動かされる音楽を聴いたり映像を見る 15分程度の仮眠 場所を移動したり片付けするなど、環境を変えて軽い緊張状態を作り出す などが有効。 なお予防法として、 休みであっても完全に止まらない まとめて一気に休む必要がないようこまめに休む 夜遅くまで電子画面を見たり頭を使って悩まない (そのために継続的な早起きは効果的。無理にでも朝起きないといけない状況を作り出す方が手っ取り早いかもしれない) 食事は腹8分目をゆっくり味わってとる 考え方の癖をなおす(取り組まないといけないこと自体を心から楽しいことだと思えるように) も普段から取り組んでみると良いかもしれない。

【python】scikit-imageライブラリインストールメモ

イメージ
この記事を書いた時点:2021/9/29 pythonバージョン:3.8.8 -------------------------------------------------- python2.7でscikit-imageをインストールしようとすると、もうサポートが切れたからか ERROR: Could not find a version that satisfies the requirement scikit-image (from versions: none) ERROR: No matching distribution found for scikit-image とエラーを吐くので、anacondaをDLしてきてpython3の環境を作った。 anacondaでscikit-imageをインストールしようとしたとき、 $ conda install scikit-image として、いざ $ python $ import skimage をすると python: symbol lookup error: /home/username/anaconda3/lib/python3.8/site-packages/mkl/../../../libmkl_intel_thread.so.1: undefined symbol: omp_get_num_procs などとエラーを吐く。 このページ を参考に $ conda install --channel conda-forge llvm-openmp としたところ解決した。

【データ受け渡し】Pythonで出力したバイナリーデータをC言語で読み込む

イメージ
いつも忘れるのでメモ。 C言語からPython ver. は こちら 。 例えばPython側で import numpy as np f = open("test.dat","wb") for i in range(2):     a = np.array([979517696]).astype("i8")     f.write(a.tobytes())     a = np.array([5]).astype("f8")     f.write(a.tobytes())     a = np.array([10]).astype("i4")     f.write(a.tobytes()) f.close() のように出力したら、C言語側で #include <stdio.h> int main(int argc, char **argv) {         double d;         long long l;         int i;         FILE *file;         char* fname="test.dat";         file = fopen(fname,"rb");         fread(&l,sizeof(l),1,file);         printf("%lld\n", l);         fread(&d,sizeof(d),1,file);         printf("%f\n", d);         fread(&i,sizeof(i),1,file);         printf("%d\n", i);         fclose(file);                  return 0; } のように読み込めば良い。

【データ受け渡し】C言語で出力したバイナリーデータをPythonで読み込む

イメージ
いつも忘れるのでメモ。 PythonからC言語ver. は こちら 。 単純な一次元配列であれば、C言語側で #include <stdio.h> #include <stdlib.h> int main(void) {    FILE* fp;    fp = fopen("test.dat", "wb");    if (fp == NULL) {      printf("Error: Cannot open file.\n");      exit(1);    }       double a[]={-1.5, 10.0};    int N=2;       fwrite(a, sizeof(double), N, fp);       fclose(fp);    } のように出力し、Python側で import numpy as np f=open("test.dat",mode='rb') data=np.fromfile(f,dtype='float',count=-1,sep="") print(data) のように読み込めば良い(※pythonのfloatはc言語の倍精度に相当するのでfloatで読んでいる)。

[python] numpyのhstack(np.r_)が遅いので逐次出力で高速化

イメージ
np.c_(np.hstack)やnp.r_(np.vstack)が遅かったので対処メモ。 例えば、outという配列に、同じ列数のnumpy arrayもしくはint(Error時用)が詰まっているとして、 import numpy as np ... flag=0 outdata=None for data in out: if type(data) is int: continue if flag==0: outdata=data flag=1 else: outdata=np.r_[outdata, data] np.save(outf, outdata) とするとむちゃくちゃ遅いが、最初から(Errorでない場合の)列の数がNだとわかっていれば、一度バイナリに文字列として出力して整形した方がぐっと早くなった(データの大きさや環境にもよるが1日→数時間くらい)。 import numpy as np import os ... with open(outf, mode='wb') as ff:     for p in out:         if type(p) is not int:             for pp in p:                 ff.write('\n'.join(pp.astype("str").tolist()))                 ff.write('\n') with open(outf) as ff:     data=ff.read() data=np.array(data.splitlines()).astype(float) outdata=data.reshape(data.size/N, N) np.save(outf, outdata) os.remove(outf) 大量のデータを扱う場合は後者を試してみると良いかもしれない。

【デザインアトリエカケラ&differencee / notステマ】今話題のわけあり宝石定期便に申し込んでみた【評判・特徴・口コミ】

イメージ
わけあり宝石定期便とは... 装飾品になる過程で、何らかの理由で欠けてしまったり、インクルージョンと呼ばれる内包物のせいで透明感が損なわれることがわかった宝石、また、サイズが規格に合わない宝石などは、価値が著しく落ち、廃棄されてしまうことが多いそうです。 欠けたりサイズが合わないなら削り直せば?インクルージョンなんて避けてカットし直せば良いのでは? ...というわけにもいかないようです。 サイズも落ちる上、再カットにも技術分のコストがかかり、中々採算が取れません。 実は宝石の値段というのは、石そのものの美しさや強度、希少性だけでなく、 カットの技術やソーティング(鑑別:宝石の種類や天然石であるかどうかを判別し保証すること)による信頼度 等、人間の技術によっていわば後天的に決まる部分も大きいのです。だからちょっと欠けただけで価値は(おそらく多くの一般人が思っているよりずっと)落ちてしまいます。 しかし、素人がそのようなわけあり宝石を肉眼でみた場合、傷や微細なインクルージョン、カットの微妙な差を感じとることは稀で、普通に美しい宝石に見えます。そのため、そのような宝石を、廃棄するのではなく、できるだけ安価に提供し、宝石に関心を持つ人の裾野を広げていこうという動きがあるようです。 この記事では ・デザインアトリエカケラ(1000円/月コース) ・differencee(1100円/月) の2つの団体の定期便を申し込んでみたので、それぞれの特徴をお伝えしたいと思います。 デザインアトリエカケラ デザインアトリエカケラさんの定期便は、月1000円〜10000円の範囲で、とても多くの種類があります(↓公式ページ)。 https://community.camp-fire.jp/projects/view/108122 ここではもっともベーシックと思われる「1000円/月」コースに申し込みました。 なお、定期便の料金は毎月頭に集められ、月末に宝石が届けられます。 このコースでは、 毎月2~3石 の4mm以上のわけあり宝石が届きます。 2021年1月便は、アパタイト2種(ミント&グリーン)とトルマリン(カラー不定)の3石でした。石の名前はメールで届きます。 小さなチャック付きポリ袋に一つずつ石が入って、それが小さな封筒に入り、さらにハガキなどと一緒に大きな封筒に入って届きます。 実際