2017年夏アニメ感想

アクションヒロイン チアフルーツ

ろこどるが好きな人は好きなんだろうな。好きだったな。ヒロインが好きなんだなぁ。

異世界食堂

安野希世乃さんの1stライブに行けなかったのでアニメJAMで聞けてよかった。

異世界はスマートフォンとともに。

この枠では非常に貴重なワルブレに負けないアニメだった。ついていけないという観点で飛び抜けているのは、ビジネス観点はともかく、単純な視聴者としては面白いもののようだ。

賭ケグルイ

年内に見切る予定。漫画は好きです。

地獄少女 宵伽

地獄少女として求められているものがよく表現されたアニメだった。でも6話というのはもったいなかったな。

戦姫絶唱シンフォギア AXZ

シリーズも長期化によるマンネリ化はシンフォギアでも避けられない。それでもなんだかんだで悪くはなかったような気がする。視聴のストレスはあまりなかったからするっと見られた。ただ、そのかわりとても薄味なアニメになってしまったようにも感じた。

ナイツ＆マジック

ロボットが好きすぎてロボットが活躍する紛争状態を望む主人公とはなかなか珍しいものを見た。オタクとしては正しい形態なのか。珍しく男性陣が魅力的だと思うアニメだった。

NEW GAME!!

1期を含めてみたいと思う。

ノラと皇女と野良猫ハート

ゲームのアニメ化だったらしいが、尺に合った面白い形態だと思った。ヤギ回などは忘れられない。キャストに実績がある人をおいて、枠に対して適切なアプローチを取れば、ちゃんと楽しめるアニメができるという例だといえるだろう。枠の使い方は30分アニメよりも5分10分のアニメのほうが上手いような気がする。

バチカン奇跡調査官

今期唯一ちゃんと見た男性カプのアニメだった。

バトルガール ハイスクール

いずれ見たい。

ひなろじ ～from Luck & Logic～

相当好みのアニメだった。2016年で言えばアンジュ・ヴィエルジュ並みに貴重で有意義なアニメだったと言えるだろう。年に1本はあってほしいアニメだ。
季節の移ろいの中で変化する関係を見ていくのが好きなんだなぁ。

プリンセス・プリンシパル

少女、小道具、梶浦由記。これで楽しくないわけがない。

メイドインアビス

お噂はかねがね。

TVアニメ『プリンセス・プリンシパル』オリジナルサウンドトラック

2017年春アニメ感想

有頂天家族2

いずれ見ようと思う。

エロマンガ先生

正直、エロ漫画先生より藤田茜さんの方が見た1年だったような気がする。同じくらい三木一馬さんも見た。なんだろう、このコンテンツは。

クロックワーク・プラネット

声優さんは好きだったし、ラジオもちょっと聞いた。

サクラクエスト

1クール目までの感想としてはおでんと眼鏡のカプがよかった。2クール目は早めに見たい。

スタミュ

1期はあんなに好きだったのに。

正解するカド

評判がよかったので見たい。

ソード・オラトリア ダンジョンに出会いを求めるのは間違っているだろうか外伝

好みのカプの雰囲気を感じつつも、半分くらいまでしか見ていない。こちらは是非見たい。
ダンまちのソシャゲがスポンサードしている水瀬さんと大西さんの番組は毎回見ている。

【はじまりました】水瀬いのりと大西沙織のPick Up Girls!#1

ツインエンジェルBREAK

無印のツインエンジェルも好きだったけど、衣装デザインが今風でより可愛らしい。変身ヒロイン物としても王道展開が続いてとても好みだった。やっぱり変身ヒロインはいいなぁ。

ひなこのーと

距離感がいいアニメだった。桃太郎公演も面白かった。

フレームアームズ・ガール

武装神姫も見ていたのだが、主人公が女というだけでここまで好みのアニメになると思わなかった。生物だろうが無生物だろうが女同士の関係には惹かれてしまう。日笠さんは流石だなぁ。

恋愛暴君

恋?で愛?で暴君です!の衣装が好き。来年はWUGのライヴも行きたい。

Wake Up,Girls！ / 恋?で愛?で暴君です!

ロクでなし魔術講師と禁忌教典

何となく覚えて入るのだが、こういったアニメの比較対象はどうしてもワルブレになってしまう。書きながらワルブレを思い出してしまう。綴ってしまいそうになる。ヤシの木は出てきたっけなぁ。

ツインエンジェル BREAK Blu-ray BOX

2017年冬アニメ感想

2017年のアニメの総括を書く為にクール毎にまとめていく。

アイドル事変

コンテンツとして嫌いではなかったのだが、いつの間にかゲームが終わってしまったという印象が強い。何故終わってしまったのか。

AKIBA'S TRIP

10年台も後半にあっては懐かしい作風であるように感じた。もはやハーレムなんて珍しい時代なのだ。それでいて古臭いとは感じなかったのは作りが上手いのか私が00年台の遺物なのか。いずれにせよ、結構楽しめた。ライヴも楽しかった。
ただ、OPをやったユニットがどんどん解散していくというのは恐ろしい。次はどこかと今でも震えている程だ。

うらら迷路帖

このクールでは一番好みのアニメだったように思う。何が好きかと言われれば難しいが、この系統のアニメが好きなのだ。可愛ければよしとする感性がよく働いたアニメだったように思う。

ガヴリールドロップアウト

天使と悪魔が半同棲する未来しかないアニメは最高。

けものフレンズ

今になってみればあのムーヴメントは何だったのかと思うが、作りとしてはオーソドックスだったように思う。やはり女の子2人組のロードムービーには心惹かれるのだ。旅の終わりは新たな旅の始まりでなければならない。

この素晴らしき世界に祝福を！2

年内に見切るのが目標だ。見切りたい。2話くらいまで見た。

小林さんちのメイドラゴン

好みのカップリングだった事は言うまでもない。食べるという形式での求愛は食という観点でも意識されるし、なんだかんだで家族への紹介というシチュエーションには意識させられるものもある。多分、これは年齢的なものもあるのだろう。いつの間にか私もそんな年になっていた。
また、アニメになって初めて男性組への意識が向いた。声や動きがついたという表現形式の変化もあろうが、ロンリーホームやそれに近い共同生活を知ってしまったからだろう。

スクールガールストライカーズ

こちらも年内に見終わる予定。6話くらいまでは見たような気がする。

BanG Dream!

1話くらいは見た気もするが、記憶が定かでない。最近はバンドリを知らずんば百合オタクに非ずといった雰囲気すら感じるが、そういった中で見るのも刺激がありそうだ。

南鎌倉高校女子自転車部

上田麗奈さんが出演されている事は知っている。それ以外は知らないが、どうにか見ようと思う。

幼女戦記

見ます。

リトルウィッチアカデミア

多分好きなんだろうなと思っていたが、放送圏が合わなかった。最近Netflixに加入したのでちゃんと見たいと思う。

『うらら迷路帖』 千矢 1/8スケール 塗装済完成品フィギュア

プリパラサイリウムカラー [アイドルタイムプリパラ Winter Live 2017]

気づいたらプリスマスも明日だったのでアイドル毎のサイリウムカラーをまとめた。例によって公式での明示やキャストのTwitter, アニメやライヴでの反応等を見てそれらしいものを記載している。カラーは例によってルミエース系にしているが、今回の物販のペンライトの形状はキンブレ系に戻ったように見える。まぁ足りない色はないと思うのであまり気にする必要はないだろう。
なお、今回はキャストと役名が一対一対応のような*1表現だが、兼役についても記載している。

真中らぁら	PINK	■
南みれぃ	LIGHT BLUE	■
北条そふぃ	PURPLE	■
東堂シオン	GREEN	■
ドロシー・ウェスト	BLUE	■
レオナ・ウェスト	RED	■
夢川ゆい*2	YELLOW/PINK	■/■
虹色にの	GREEN	■
幸多みちる	PURPLE	■
白玉みかん	WHITE	□
ガァルル	RED	■
黄木あじみ	YELLOW	■
北条コスモ	LIGHT BLUE	■
紫京院ひびき	PURPLE	■
緑風ふわり	GREEN	■
ファルル	WHITE	□
真中のん	PINK	■
月川ちり	GREEN	■
太陽ペッパー	YELLOW	■
夢川ショウゴ	LIGHT BLUE	■
三鷹アサヒ	RED	■
高瀬コヨイ	PURPLE	■
ジュリィ	WHITE	□
ファララ・ア・ラーム	GREEN	■

楽しみたい。

*1:http://avex.jp/pripara/news/detail.php?id=1055953&artist_cd=PRIP2

*2:

そう！サイリウムの色！

夏のときはらぁらのピンクと同じになっちゃうと思って、黄色をお願いしたんだけど、アニメだとゆいちゃんピンクサイリウムなんだよねえ…これには私も頭を抱えました…

アニメ設定優先したい方もいるだろうし…でもずっと黄色振って頂いてたし…どうしたらいいかな？！😭

— 伊達朱里紗（だてありさ） (@_datex_) 2017年12月9日

Ubuntu 16.04LTSにKerasやTensorFlowを入れてGPGPUできるようにする

Ubuntu 16.04LTSにGPUが使える状態でKerasやTensorFlowをインストールする。TensorFlowとしては4つの方法が紹介されている*1が、大別すればDockerを使う場合とDockerを使わない場合(virtualenv, native pip, Anaconda)にわけられる。それぞれ必要なパッケージが違う為、何が違うかの一覧は次の表にまとめた。native pipはvirtualenvと同様なので記載していない。

	Docker	virtualenv	Anaconda
NIVIDIA Driver	必要	必要	必要
CUDA	不要	必要	必要
cuDNN	不要	必要	不要
Docker	必要	不要	不要
nvidia-docker	必要	不要	不要

導入の容易性を考えると、ネイティヴで使いたいならAnaconda, そうでなければDockerといった所か。Wheel形式が増えてきたからvirtualenvもかなり導入が用意になったが、KerasやTensorFlowを使うようなユーザはJupyterも利用する可能性が高く、JupyterはAnaconda推奨となっている。

ここでは方式を問わず必要なNVIDIAのドライバのインストールをしてから、それぞれ導入方法を解説していく。なお、次の環境で試している。

CPU	Intel(R) Core(TM) i5-6600T CPU @ 2.70GHz
Mem	12GB
GPU	GeForce GTX 750 Ti
OS	Lubuntu 16.04.3 LTS
NVIDIA driver	361.42
Python	3.x
CUDA	V8.0.61
cuDNN	v6

NVIDIAドライバのインストール

標準のドライバで既にGPUは認識されているはずだが、CUDAを使うにはプロプライエタリなドライバを解する必要がある。そこでGPUのドライバをNVIDIAのドライバにしてやる必要がある。このくらいはGUIでもできる。[Preference]-[Additional Drivers]を選んでいくと次のような画面になる。nvidiaのドライバを選択してアプライすればよい。

個人的な趣味でtestedのnvidia-375をインストールしたが、nvidia-340でもCUDAやnvidia-dockerの要件を満たしているのでnvidia-340でもよい。

インストール処理が終了すると再起動が求められるので再起動をしてやる。再起動後に選択したドライバに切り替わっていればインストールは成功した事になる。次はドライバより上のレイヤのインストール処理になる。

Dockerを使う場合

NVIDIAが提供しているnvidia-docker*2を導入すれば、Docker上でならかなり簡単にGPGPUで遊べる。ここではDockerのインストール方法から紹介する。

Dockerのインストール

公式ドキュメント*3に従ってインストールする。

まず、事前パッケージのインストールとリポジトリの追加をする。

$ sudo apt-get install apt-transport-https ca-certificates curl software-properties-common
$ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
$ sudo apt-key fingerprint 0EBFCD88
$ sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

後は普通にaptで取得するだけで済む。

$ sudo apt update
$ sudo apt install docker-ce

nvidia-dockerのインストール

後はgithubからdebパッケージを取得して、インストールをしてやるだけになる。

$ wget https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker_1.0.1-1_amd64.deb
$ sudo dpkg -i nvidia-docker*.deb && rm nvidia-docker*.deb

以下の要領でテストができるようだ。

nvidia-docker run --rm nvidia/cuda nvidia-smi

TensorFlowの利用

TensorFlowのコンテナ*4はタグによってPythonのバージョンやGPUの有無が管理されている。そこで次のようにすればPython3でGPUが使えるコンテナが8888ポートでJupyterが立ち上がった状態で起動する。

$ nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:latest-gpu-py3

しかしこの状態ではKerasは入らないし、Jupyterがローカルホストからしか使えない状態である。そのようにDockerfileとjupyter_notebook_config.pyを書き換えたりこれをベースイメージに新たなDockerfileを作ってもよいが、状況に応じて自分で一から作ってしまってもよい。NVIDIAがCUDA/cuDNNの各バージョンに合わせたDockerイメージを公開している(https://hub.docker.com/r/nvidia/cuda/)からこれをベースイメージにしよう。

Dockerを使わない場合

CUDAインストール

CUDA*5をダウンロードしてインストールして、テストしてみる。なお、exportしているパスはCUDAを使う場合には実質必須となるので.bashrc等に書いてしまってもよいだろう。

$ wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64-deb
$ sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64-deb
$ export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
$ export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64 ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}update_8.0.61-1_amd64-deb
$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2017
Cuda compilation tools, release 8.0, V8.0.61

更にCUDAには現在(2017/08/23)、パッチが公開されているのでこれも適用してやる。

$ wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/patches/2/cuda-repo-ubuntu1604-8-0-local-cublas-performance-
$ sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64-deb

Anaconda

minicondaのサイレントインストール

condaの最小構成のminicondaをインストールしてcondaを使えるようにする。

$ wget -O miniconda.sh https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
$ bash ~/miniconda.sh -b -p $HOME/miniconda
$ export PATH="$HOME/miniconda/bin:$PATH"
$ conda update conda

KerasやTensorFlowをcondaでインストール

TensorFlowのインストール手順でcondaでインストールする場合のリポジトリとしてconda-forgeを上げている為、ここではconda-forgeを使っている。なおcondaを使う場合はcuDNNが取得されるので後述するようなインストールは不要である。

$ conda create -n keras_tensorflow -c conda-forge -y python=3.6 keras tensorflow-gpu jupyter
$ source activate keras_tensorflow

virtualenv

cuDNNのインストール

virtualenvでcuDNNが欲しい場合、自分でインストールしなければならない。cuDNNのダウンローダを取得するには開発者プログラムへの登録が必要である*6。用途等が聞かれるので素直に答えて登録してやればいい。

cuDNNの最新版はv7であるが、TensorFlowが現状で対応しているのはcuDNN v6なので次では6をインストールしている*7。

$ sudo dpkg -i libcudnn6_6.0.20-1+cuda8.0_amd64-deb
$ sudo dpkg -i libcudnn6-dev_6.0.20-1+cuda8.0_amd64-deb
$ sudo dpkg -i libcudnn6-doc_6.0.20-1%2Bcuda8.0_amd64-deb

隔離環境の構築とTensorFlow等のインストール

virtualenvwrapperでPython3の環境を作り、その中でTensorFlow等をインストールする。setuptoolsをインストールしているのはKerasの依存関係で取得されるTheanoが必要とするからである。早くWheel形式になって欲しいものだ。

sudo apt install python3-pip
pip3 install setuptools virtualenvwrapper
export WORKON_HOME=~/Envs
mkdir -p $WORKON_HOME
source /usr/local/bin/virtualenvwrapper.sh
mkvirtualenv keras_tensorflow -p python3
pip3 install keras tensorflow-gpu jupyter

取り敢えず書いてみたが、金があるなら各クラウドサービスの機械学習系インスタンスをそのまま使ったほうがいいんじゃないですかね。

*1:Installing TensorFlow on Ubuntu  |  TensorFlow

*2:GitHub - NVIDIA/nvidia-docker: Build and run Docker containers leveraging NVIDIA GPUs

*3:Get Docker CE for Ubuntu | Docker Documentation

*4:tensorflow/tensorflow/tools/docker at master · tensorflow/tensorflow · GitHub

*5:CUDA Toolkit Download | NVIDIA Developer

*6:https://developer.nvidia.com/rdp/cudnn-download

*7:v7をインストールした場合、libcudnn.so.6がないというエラーになる為、次のようにリンクを張ってやる必要がある。sudo ln -s /usr/lib/x86_64-linux-gnu/libcudnn.so.7.0.1 /usr/lib/x86_64-linux-gnu/libcudnn.so.6