【年記】写真とかで振り返る僕の2017年

どうも，たっきーです．

なんだかんだ2017年楽しかったんじゃないか．悪くないって言える年が続けばいいや．

そして，数年後これを振り返って読んだ時に2017よかったなって言えるように．

人生楽しんでる感を出せたら成功．

2017年買ったものはこちら

tacky0612.hatenablog.com

1月

 初詣　熊野那智大社

母校にて．地元は星が綺麗．

実家から一人暮らしの家に帰るときの

雪が降った．

雪バイク．

Leap Motionで遊んだりなどしていた時期．

髪の毛を染めるなどした．

雪の中，バイクで走った．コケた．アホ．

黒髪に戻した．2週間しか茶髪にしていない．

2月

こんな感じの机になった．

iPod touchが逝ったのでストラップにした． 

大金握りしめてコンビニへ．MacBook Proを買った．

梅．

ゲッレンデ．スノボまた行きたい．誘って．

雪山の後の鍋×SUSHIは多幸感すごい．

SC02もストラップ化

3月

バイト先の卒展式．男が僕と店長と社員さんしか来なかった．

2月中旬から一ヶ月行ったインターンの懇親会．インターンは優勝した．

大阪へ．テンガショップ行った．

 大阪定番の．

日本デザイン学会第三支部研究発表会．手の動きとインタラクションするオブジェをArduinoとLeap Motionで作って展示．

なにげ，初めてサムギョプサルというやつを食べに行った．栄，赤豚屋．

 機械設計技術者試験3級受かってた．合格率の割に簡単だった．

4月

バイクのオイル交換DIY．真っ黒だった．

 オイルも交換して洗車もして新しい春．桜．綺麗．

バイクのリコールで．代車．

線路．壁紙っぽく．構図頑張った．

春ツーリング．

やはり僕のバイクかっこいい．

なんかインターンのお話を1年2年の前でお喋りしたりなどした．

5月

ふと，カメラしたくなって鶴舞公園に行った．

 軽音楽部の新歓．あ，僕，部長なんですよ．

また，大阪．テンガショップは定番．

撮る人を撮る人を撮るやつ．

貧乏学生は水で乾杯する．

ラー．

やはり，僕のバイクかっこいいよな？？帰り道．

ラーメンツーリング．

朝焼けが綺麗だったので．大学からパシャリ．

名古屋．水をテーマに．

▼Oculusマンが研究室に現れた！

VRカノジョ買った．

6月

最高に美味いにく．

ベース弦ラーメン．

原チャリ売った．さよならDunkちゃん．

TOKYO．機械学習のセミナー行った．

子供からTwitterを取り上げる像を見てきた．

東京，信号機ですらかっこよく見えた．

飲み．

東京．すごいキラキラしてて憧れる．また来るぞって思い夜行バスへ．

7月

レッツゴー奈良．確かNAIST受験．落ちた．クソ．名古屋工業大学大学院も落ちた．クソ．

のみ．これは大阪．

帰り道，入道雲が綺麗だったので．

名大に英語のセミナーを受講しに行った． 

3Dプリンターが導入された．Zortrax M200．良き．

ラー．

当時，Twitterで話題になった「常に右を向きたがる矢印」が僕でも作れそう…ってなって息抜きに作った．

印刷してみました！！！！いつも右向く矢印！！！！ pic.twitter.com/BxVM4bPEcp

— 工学部のリケジョです (@tacky0612) 2017年7月24日

 あと，息抜きでARピタゴラスイッチを作った．

tacky0612.hatenablog.com

当時，ハンドスピナーが流行っていたので，「アームスピナー」を作ってみた．

Fusion360良いよ．これはマジ．

8月

TOEIC515点．大学生の平均点って感じ．

少なくても600点は超えたかった．kusozako．

深夜のカメラ．暗所での撮影．エモいのが撮りたかったけど，やっぱりむずいですね．

3Dプリンターの乱用をするな2017．

豊橋技術科学大学大学院受験．

9月

レッツゴー京都．

Studio246．機材もいいし，おしゃれだし，好き．

バンド練習のあとは京都観光．金閣寺．

三条大橋．鴨川．アー写っぽいヤツ撮った．

京都からの帰り道．ダムが青く光っていて綺麗でした．

秋は空が綺麗でいい．

虹が見れた．しかも二重の．幸せありそう．

人望がないタイプの人間なのでぼっちで合格祝いしてた．

炭火焼肉　一気．最高に美味かった．

ゼミ旅行．VR学会大会で徳島へ．貧民なので夜行バス．

MacBook ProのOSのアップデート中にバスの時間がヤバくなってきたので電源抜いて持ってきたら無事OS壊れました．名古屋駅で復旧作業をする羽目に．

SAで明石海峡大橋．

初めての徳島駅．

会場は徳島大学．

いろんなVRコンテンツを楽しめた．面白かった．

さて，遠くに来たらやることと言ったら観光だよな？

ロープウェイに乗って眉山へ．ぼっち．

感動を誰かと共有できる人生がよかった……… pic.twitter.com/RWwURy49Cn

— 工学部のリケジョです (@tacky0612) 2017年9月27日

ホテルの絵画，エモい．

徳島，のほほんとしてて良い．

らぼめんで飲み．僕，さくらんぼを舌で結べるのでキス上手いですよ．(する相手がいない)

僕氏，学内カーストが低いので土下座を強要されてます．

 祖谷のかずら橋いっくぞー．にゃーん．

徳島ラーメン．にし利．

 琵琶の滝

川に入るなどした．9月末だったのでくっそ寒かった．

スマホで水切りした．アホ．防水だから大丈夫だと思ってたけど無事壊れました．

人生初野宿．流石に夜は寒かった．今度からちゃんと宿とる．公園で寝てたら警察に声かけられました．

大鳴門橋．渦潮は見れませんでした．

橋の下入れた．すごい．

 霊山寺行った．

ベートーヴェン像．

ドイツ館．

ぼっちレンタカーしたんだが，ドライブ楽しいね．クルマ欲しくなった．車窓から覗く夕日は綺麗だった．

10月

結露の時期がとうとうやって来た．エモくしたかった．

部屋．ごちゃごちゃしてる．絶対引っ越しの時苦労する．

学祭の練習の為Studioイン．

大学祭．軽音ステージ．ギターボーカルするなどした．

そういや，他の誰かのライブ姿を撮るのって初やな．かっこええ．

iPad用のスタンドほしいなー…でも買うのもったいないなー…で自作した．

11月

またまた鶴舞公園．

地元和歌山へ．

そう，新宮市民音楽祭へ．今回で新宮市民音楽祭は3回目．

地元は星空が綺麗．折角帰ってきたのでパシャリ．

ラグーナにて．大学の軽音楽部としてステージに立った．ベース．

アイドルに景品もらう僕の図．

31女子会．

12月

12月頭からキーボードにお酒をこぼしてメンテナンスする羽目に．

 学会発表の為，京都へ．またも夜行バス．そして今度はぼっち．時間つぶしで早朝の伏見稲荷大社へ．

にゃーん達と遭遇．

 ちょっと登ってきたところで街を一望できる．伏見稲荷大社に来るのは4回目だが，このスポットが好きだ．

紅葉の時期は過ぎてた感あった．

山頂にMacBook Proを奉納した人間，多分僕だけでしょ．

同志社大学到着．発表してきた．

京都駅のクリスマスツリー．二年ぶり．

(๑•̀ㅂ•́)و✧

舞妓はんカプチーノ．京都限定らしい．CAFFE CIAO PRESSO

奈良へ．東大寺．鹿と戯れる．

手向山神社．

大阪．なんば．

名古屋駅のイルミネーション．

今度は埼玉．またも夜行バス．

時間つぶしに鉄道博物館に行ってきた．思ってた1000000倍よかった．

日本工業大学へ．担当教員となかよしの教授とこのゼミ生と研究発表会．その後懇親会でお好み焼き．

ついでに東京．RX-0．

ガンダムベース．

東京スカイツリー．

東京，もはや建物多すぎて何の建物か忘れた．

キャラメルコーン×キャラメルソース×キャラメルリボンのカロリー爆弾．

焼肉丼とローストビーフ丼．RedRock原宿．

 表参道ヒルズ．安藤忠雄氏の建築すげえなって言ってた．

THE RIGOLETTO （ザ リゴレット）  渋谷にて．おしゃんなバー．

のんだあとDTM勉強会みたいなのしてた．

人生2度目の新幹線．富豪の気分になれた．

クリスマスはバイト．

毎度毎度のバイク帰省．寒すぎるのでクルマがほしい．トンネルが暖かく感じる．

御器所SAにてラーメン．

実家到着．大晦日にトラックを運転させられるなど実家のお手伝いしたりした．

おわりに

2017年，受験の年だった割に楽しめた．

特に9月と12月が充実してた気がする．

年記初めて書いてみたけどめちゃめちゃエネルギー使うなぁ．2018からは上半期下半期で分けるかも．

また年をとってこれを見返した時に「あの頃はよかった」じゃなくて，「あの頃”も
”楽しかった」って思えますように．

2017年買ったものリスト【ガジェット・ファッション・DTM・アプリケーション】

どうも．たっきーです．

年末になると購入してよかったものみたいのなのが多くてその波に乗りたくて書く．

ただし，購入して良し悪しを考えて評価するの，悪しに転んだ場合とても悲しい気持ちになるので，「僕が購入したんだから良いものに決まってる！」って気持ちで人生に挑むと良い買い物しかしなかったことになる．オススメのライフハックです．（？）

つまり，2017年に購入したものをひとこと付きで列挙していきまつ．

目次

【ガジェット編】 

Apple / MacBook Pro(13-inch,2016,TouchBar)

これ．2017年一番買ってよかったもの．

人生初Macなのですが，正直めちゃめちゃイイ．

プログラミングとか動画編集とかDTMとかするんなら俄然Macがよいですね…

初Windows機買ったのが中2で，その頃からずっとMacの事を「ゲームできんやんｗｗ」って馬鹿にしてた頃が僕にもありました（）

貧民なのでスペックは最小構成．

ただ，ストレージは256GBはダメ．絶対足りんくなるので512GBは最低でも欲しい…

MacBookの洗練されたデザインも今は次作ステッカークソ雑魚マックブック・プロって感じになってしまってMacBookProのデザイナーさんごめんなさいって感じだ・・・

あと，2016年モデルのバタフライ式のキーボードよく埋まるので注意…．

外すの難しくないけど失敗すると死にます…．

う、うわあああああああああああああああ（ぺしぺしぺしぺしぺしぺしぺしぺしぺしぺしぺしぺし） pic.twitter.com/S5ObxOVtyo

— たっきー＠ダサテプラP (@tacky0612) 2017年12月2日

Inateck　ラップトップスリーブケース（13” MacBook Pro 2016バージョン、13” MacBook Pro 2017/ Microsoft Surface Pro 2017/ Surface Pro 4＆3/Surface Laptop 2017/13” MacBook Pro Retina 2012-2015 /12.9" iPad Pro- ブルー）

Apple / iPad Pro 10.5インチ（Cellularモデル）　×　ApplePencil

マジでApple製品いっぱい買ってる．iPhoneユーザじゃないのに．

マックブック・プロ（総務省指定・アップル製品）と並べた図．

iPad買った一ヶ月後にあっぽーぺんも買いました．

無限回，Designed by Apple in Californiaって見た気がする．

あっぽーぺん買った日に描いたヤツ．使い方わかんなくても，適当に描いて塗るだけでそれっぽくなるのすごい．

絵心はない．かがくのちからってすげー！

Apple iPad Pro 10.5インチ Wi-Fi 256GB MPF02J/A [シルバー]

Apple iPad Pro Appleペンシル/MK0C2J/A

NEC / WX03 + 専用クレードル

WiMAXとくとくBBと契約して20ヶ月経ったので無料でW01からWX03に機種変更した．

まぁ別に換えなくてもよかったんだが，前の機種のW01のバッテリーが妊娠しちゃったし機種変（W01はバッテリー交換不可）．

WX03はバッテリー交換可能なので万が一妊娠しちゃったときでも安心かなと思いこれにした．

Anker / PowerPort+ 5 USB-C Power Delivery

安定のAnker．ガジェット界のUNIQLOのような安心感．

これ一台で，

1. MacBook Pro
2. iPad Pro
3. WX03
4. Xperia Z5 Compact
5. α6000

が充電できる．すごい．

机の天板の裏にマジックテープで貼り付けるやつ，めちゃめちゃ捗るのでおすすめです．

MacBookProの充電器を意識して白にしたけど，マジックテープは黒だし素直に黒を選んどけばよかったな…とちょっと後悔．

Anker PowerPort+ 5 USB-C Power Delivery (60W 5ポート Power Delivery搭載 USB&USB-C 急速充電器) 新しいMacBook / iPhone / iPad / Android 各種他対応 (ブラック)

Anker PowerLine+ USB-C & USB-C 2.0 ケーブル (0.9m レッド) PD対応 Galaxy S8 / S8+、MacBook、MateBook対応

Mt.RAINIER / モバイルバッテリー

買ったもの…じゃないけど，お気に入りなのでリスイン。

入手するのにカフェラテ60本飲んだ．

もともとダンボーのモバイルバッテリーを持っていたけどこのデザインに惹かれて応募した．

充電中，光るのがカワイイ．

容量は小さめの2,500mAh．USBを2穴．

Kenko / R-スノークロス φ49mm

クリスマスシーズン，街中がイルミネーションで彩られて素敵だったので突発的にたまたま近くにあったビックカメラで購入．

こんな写真が撮れる．京都駅にて．（撮って出し）

比較（大阪・なんば駅にて）

非装着時

装着時

キラキラ感（？）が簡単に出せる．すごい．

ただ，男ひとりぼっちでイルミネーション見るのしんどかった…（精神的に）

Kenko レンズフィルター R-スノークロス 58mm クロス効果用 358214

Engineer / ネジザウルスGT PZ-58

バイクのネジがナメた時，バイト先の金庫が開かなくなった時に活躍しました✌

いざって時にあると助かりますね！

エンジニア ネジザウルスGT PZ-58

高儀 / パワーハンディータッカー PWHT-100

DYI用に初めてタッカーと言うものを購入した．

エフェクターボードに薄い木材轢いて高さを稼いで，その木材にONE CONTROLのマジックテープを貼ってるんだけど，剥がれてくるのでこれでガシャンとすると剥がれてこないので良き．

他にも机をちょっと改造したい時に使ってる．

高儀 GISUKE パワーハンディータッカー PWHT-100

玄人志向 / KURO-DACHI/CLONE/U3

いわゆるHDDを裸でぶっ刺すHDDスタンド．

HDDのクローン機能付き．

高校2年生のときに初めて組んだ自作PCのHDDが１TBで，当時は「1TBもあれば生涯使えるやろｗｗ」とか思っていたが，カメラ始めてから満タンになってしまった…．時代ですね…．

…なので1TBのHDDから3TBのHDDに換装する用にこれを購入．

挿してボタン押すだけでクローン作れるのですごい．べんり．

Seagate 内蔵ハードディスク 3.5インチ 3TB PCユーザー向け BarraCuda ( SATA 6Gb/s / 7200rpm / 2年保証 ) 正規代理店品 ST3000DM008

玄人志向 HDDスタンド PCレスでクローン/HDD内データ完全消去機能付 KURO-DACHI/CLONE+ERASE/U3

【DTM・音楽編】

SONY / MDR-ZX770BN

Bluetooth接続のヘッドホン．

無線のヘッドホンは初めての購入だが，思ってた以上にイイ．

散々，音質ガー，遅延ガーって言われてたから無線のヘッドホンは敬遠していたが，実際に使ってみると思っていたよりも快適．

イヤホンジャックの抜き差しが無くなるの快適．

充電し忘れた日はちょっと不便...とは言っても，有線接続もできるので充電切れてても使えなくはない．

ちなみに僕はワイヤレス推進派なので，iPhoneのイヤホンジャック廃止には賛成派です．

ソニー SONY ワイヤレスノイズキャンセリングヘッドホン MDR-ZX770BN : Bluetooth対応 マイク付き ブルー MDR-ZX770BN L

K&M / 19740（タブレットスタンド）

マイクスタンドなどにクランプするタイプのタブレットスタンド．

僕がギターボーカルでステージに立った際，これにiPadをつけて歌詞のカンニングしてました．

譜面立てを用意しなくていいのでよい．

悪い使い方例

K&M タブレットPCホルダー 取付有効高さ:120~220mm 黒 19740

KORG / NANOKEY-ST nanoKEY Studio 

Bluetooth接続のMIDIキーボード．

ほとんど瀬戸弘司さんの動画の影響で買ってしまったみたいなところある．

www.youtube.com

動画でこの子の良いところは全部言ってくれてるので割愛．（）

KORG モバイルMIDIキーボード nanoKEY Studio

ROCKTRON / Micro Hush

ノイズリダクション．コンパクトなのとデザインがカワイイのに惹かれて購入．

今までディストーション踏むとノイズが凄かったが，だいぶマシになった．（流石にノイズ0にはできない） （ノイズ0にしたいならノイズゲートを買う．）

Rocktron ロックトロン ノイズ・リダクション Micro Hush 【国内正規輸入品】

SHUBB / L1 Blue

ギターのカポタスト．

青色が好きなのでこれにした．

軽くてコンパクトだし，しっかりと固定してくれるし，安いしでコストパフォーマンスがすごい高い．いい買い物をした．

SHUBB シャブ カポタスト アコースティックギター用 ブルー 軽量アルミ製 L-1 Blue

【ファッション編】

NIXON / THE TIME TELLER P

二度目のTHE TIME TELLER Pの購入．しかも同色．

それぐらい気に入ってる腕時計．

前に買ったやつのリストバンドが千切れたので再び購入．（こんなちぎれ方するんやな…．）

まぁ，安いのに3年持ったので満足している．

ベゼルがシルバーで，秒針とブランドロゴがゴールドで，インデックスがブルーって配色がカッコイイし，デザインがシンプルで好き．

ニクソン NIXON タイムテラーP A119 A1248時計 腕時計 メンズ レディース ユニセックス ラバー 送料無料 119000/119005/119018/119200/119250/119480

NIXON / SMITH SE　

THE NORTH FACEの四角ホモランドセルからこの黒リュックに乗り換えした．

THE NORTH FACEのリュック，大容量なのに背負ってて肩凝らないし，頑丈なので重宝してたけど，背負ってる人多すぎだし，電車乗ってて隣の知らない人と色まで被って恥ずかしくなったので新しくリュック買った．

MacBook Pro 13inch，iPad Pro，ヘッドホン，ミラーレス一眼入れてもちょっと余裕あるので容量は十分だし，シンプルでカッコイイ．

筆箱を持ち歩かないタイプの人間なのでペンを入れる所があるのはポイント高い．

内装にNIXONのブランドロゴがあるのもよい．

[rakuten:esportskenko:10376515:detail]

期間限定 2018秋冬新色 送料無料 THE NORTH FACE ザ・ノースフェイス ベースキャンプ ヒューズボックス 2 BC FUSE BOX 2 nm81817 30L ザック バックパック リュックサック かばん スクエア型 メンズ レディース バッグ

Daniel Wellington / 38mm DAPPER

おしゃれなのでお気に入り．

2017年，Daniel Wellingtonの腕時計めちゃめちゃ流行った気がする．

シルバーのケースに針がブルーで文字板がホワイト．

やっぱりシンプルなのが好き

[rakuten:cavatina:10020672:detail]

EDWIN / JERSEYSジョガーパンツ　ERKJ07-404

流行にのって（若干遅れて）ジョガーパンツなるものを買ってみた．

これ，すごく軽いし，伸縮性もあってすごく履きやすい

でもシルエットは細身でダボダボしていない．

楽に着れるので重宝してます．

[rakuten:edwinshop:10027888:detail]

EDWIN / ED22-101 E-STANDARD Skinny

育ちが悪いので椅子を二つ並べてよくこんな座り方をする（）

EDWINの中でも最も細くて股上の浅いモデルらしい．

サイズはXSを買った．

細身なんだけど伸縮性が良くて長時間履いてても疲れない．夜行バス乗ったときもこれ履いてたけどすやすや寝れた．

最近は洗って少し色落ちしてきたけどそれも味があって良い．

[rakuten:rex-2nd:10003629:detail]

Newbalance / ML565 ブラック/ブルー

スニーカーが好き．

2017年の大半はこの靴で過ごした．

なのに案外ヘタれてなくてまだまだ履けるなって思う．長持ちするスニーカー．

通気性も良くて蒸れないのがグッド．

歩きやすい．

あと，new balanceのロゴすこ。

new balance(ニューバランス) ML565 170565 KBW ブラック/ブルー【メンズ】

VANS　V2991SN　RED

何気，VANSの靴を人生で初めて買った．

個人的にVANSにはアクションスポーツ的なイメージがある...

折角VANS買うんだし，サイドのサーフラインが入ってるのが定番らしい良かったのと，最近黒とか紺とか暗い色の靴ばかり買っていたので思い切って赤いのにした✌

気に入ってる．

ただ，明るい色なので汚れが目立つので注意が必要かな．

ブランドロゴもカッコイイ．

【VANS】 ヴァンズ VARIAL バリアル V2991SN 17FA　RED

UNIQLO / ヒートテックウルトラウォーム（超極暖）

これ．めちゃめちゃあたたたたたたかい．！

キャンペーンか何かで学生だったらタダで一枚貰えたんだが，着てみたら良すぎたのでもう一枚買った．

僕は足にバイクしかないので冬の運転はツライんだけどこれを着てくとすごい寒さが緩和されていい．10月末ぐらいに往復500kmぐらいバイクで走ったけど超極暖ヒートテックのおかげで快適に走れた．

2年前ぐらいにヒートテックの極暖買ってあったけー！って感動したけど，これはもっとあたたたたたたったたたたっっったたあたあかいすぎて感動した．

www.uniqlo.com

BEAMS / ハイストレッチ スリムチノ 17AW

 最近こういう黒スキニーばかり買ってる気がする（）

腰のところにJAPANESE FABRICって書いてあるのにMADE IN CHINAってところが好き．（？）

前ポケットに手を入れやすくていい．

[rakuten:beams:10010041:detail]

NEWERA / キャップ

京都の帽子屋さんにてノリで購入．

しかし，購入して1ヶ月経たない内に紛失．もう帽子買わない…．

あと，バイト柄，僕が帽子かぶると「店員さんみたいだね！」って言われる．つらい．

ニューエラ キャップ 9TWENTY MLB 帽子 ローキャップ 野球 ぼうし ヤンキース ニューヨークヤンキース 野球帽 ストラップバック 迷彩柄 ニューエラキャップ new era メンズキャップ コットン newera ニューエラー メンズキャップ帽子 大谷 メジャーリーグ エンゼルス

【アプリケーション編】

Apple / 教育機関向けバンドル

総額7万ちょいのソフトウェアを学生って特権を振りかざせばたった¥22,800で手に入っちゃうので控えめに言って神．

iMovieで出来なかったことがFinal Cut Pro Xで出来るようになるし，GarageBandで出来なかったことがLogic Pro Xで出来る様になるので神．ショートカットキー周りがべんり．

関連記事↓

tacky0612.hatenablog.com

Procreate for iPad

お絵かき用に買った．

折角iPad Pro＋ApplePencil買ったんだからソフトも良いやつ買おうと思って買った．

調べてみるとこのProcreateってのが定番らしい．

定番ってだけあって使いやすい．

絵心なしの僕でも↓ぐらい簡単に描ける．デジタルすごい．

Procreate

• Savage Interactive Pty Ltd
• エンターテインメント
• ¥1,200
• 

Dropbox Plus

Dropbox税を払い始めました．

年間 12,960 JPY（税込み）で容量が1TBだが，ちょっと高め．

でもまぁ，色んな端末からデータにアクセスできるので便利．無料の2GBじゃ全然足りない…．

現在286.16 GB /1 TB 使用中．

FontPreview 

フォントを一覧表示できるMac用アプリケーション．

なんかフォントの雰囲気違うな…って違和感を感じる時に使ってる．べんり．

FontPreview

• Compumaster Ltd
• ユーティリティ
• ¥120
• 

まとめ・感想

思ってたより，いっぱい買い物してた2017．

まぁ今年は大学行きつつアルバイトで130万円/年稼いだので自分へのご褒美って事で…

今年はガジェット買い過ぎで（主にMacBookPro/iPad Pro）お金がなさすぎて，カメラレンズとかバイクのカスタムにお金が回らなかった．

MacBookProとiPad proとバイク（MT-03）は分割ローンで買ってるので毎月不思議と財布にお金が入らない．（つらい）

MacBookProとiPad Proは無金利なのが唯一の救い．

服，下ばかり買った2017って感じ．上はあんまり買ってないなぁ…．

そういや2017年，一切ゲーム買ってないなぁ…
Splatoon2，ドラクエ，スーパーマリオオデッセイ・NieR：Automataとかやりたかったけど，如何せんハードがない…

来年はMONSTER HUNTER WORLD発売だしそろそろPS4買いたい．

【TensorFlow】ニューラルネットワークで周波数スペクトルを学習して、楽器音色を推定する【Python】

どうも、たっきーです。

ぷっちょ（マスカット）が好き。

なにする？

今回のタスクは「音源同定」。

そのタスク達成するためのツールは「機械学習」。

単一の楽器が鳴っている生音ファイル（.wav）を複数用意して、データセットとする。

今回は単層のニューラルネットワーク（NN）という機械学習のアルゴリズムを使って、音源同定をこなしていきたい。

TensorFlowの使い方は以下の本を参照。

TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~

モチベーション

(機械学習)エンジニア男子はモテるらしい。

モテたいので頑張る。

まぁ、僕はJKなんですけど。

エンジニア男子がどのくらい最高かっていうと、一度エンジニア男子と付き合ったら二度とエンジニア男子以外を好きにならないぐらい最高だよ。
彼らは頭が回るしひねったジョークも上手いし俗世のくだらないことたちと距離を置いているからね。
最高にユニークでセクシーでクールなんだよ！！！！！！！

— りりそん@浦田理絵 (@ririson_jp) 2017年12月13日

環境

• macOS High Sierra 10.13
• Python 3.6.3
• numpy 1.13.3
• matplotlib 2.1.0
• TensorFlow 1.4.0

ニューラルネットワーク（NN）とは

人間の神経回路網を模した数式的なモデルのこと。

NNは、入力層、出力層、隠れ層から構成され、層と層の間には、ニューロン同士の結合の強さを示す重みがある。

難しいことはわからないので割愛。

データセットの用意

AppleLoopにあるヤァツをWAV形式で書き出してチョキチョキする。

最近知ったんだが、研究用のデータセットがあるらしい。産業技術総合研究所から出てる。

RWC Music Database (in Japanese)

もっと早く知りたかった（）

まぁ、今回は折角AppleLoppsからデータセット作ったのでそれを使って行きたい。

↓こんな感じで楽器毎に音源が用意されている。

前回に書いたやつでデータセットにする。

tacky0612.hatenablog.com

tacky0612.hatenablog.com

流れ

1. 楽器毎のデータセット作成
2. 一秒ごとに切り取る
3. ステレオ→モノラルに変換
4. 学習用データとテスト用データを分ける
5. FFTで周波数解析して周波数スペクトルを求める
6. ０〜１で正規化
7. それぞれの音源に対応する楽器のラベルデータを付ける
8. NNで周波数スペクトルを学習
9. 学習結果を元にテスト用データがどの楽器か推定

コード

まずはimport系と種まきとWAVの読み込み系とFFT系を定義。

%matplotlib inline
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import wave
import random

#種まき
random.seed(19950612)
np.random.seed(19950612)
tf.set_random_seed(19950612)

def wave_load(filename): #WAVの正規化とそれの吐き出し
#     open wave file
    wf = wave.open(filename,'r')
    channels = wf.getnchannels()

#     load wave data
    time = 1 #sec
    chunk_size =44100*time #1sec = 44100
    amp  = (2**8) ** wf.getsampwidth() / 2
    data = wf.readframes(chunk_size)   # バイナリ読み込み
    data = np.frombuffer(data,'int16') # intに変換
    data = data / amp                  # 振幅正規化(-1~1)
    data = data[::channels]        # stereo　→　monoral
    
    return data

def fft_load(filename,size): #FFT (窓あり)

    wave = wave_load(filename)
    
    st = 10000   # サンプリングする開始位置
    hammingWindow = np.hamming(size)    # ハミング窓
    fs = 44100 #サンプリングレート
    d = 1.0 / fs #サンプリングレートの逆数
    freqList = np.fft.fftfreq(size, d)
    
    windowedData = hammingWindow * wave[st:st+size]  # 切り出した波形データ（窓関数あり）
    data = np.fft.fft(windowedData)
    if max(abs(data)) == 0:    #無音がないか判定
        print("むりぽよ",filename)
    data = data / (max(abs(data))) # 0~1正規化

    return data

次にデータセット系を定義。

def data_set_train(count,instrument_list,start_list,end_list,size): #データセットを作りたい（願望）
    '''
    count = データセットとして取り出したい数 
    instrument_list = "楽器"(str)
    start_list =  始点
    end_list = 終点 
    size = FFTのサンプル数
    
    '''
    K = len(instrument_list)
    ffts = np.array([])
    labels = np.array([])
    
    for i in range(int(count)):
        
        N = random.randint(0,K-1)
        n = random.randint(start_list[N],end_list[N]) #ファイルの全範囲までの乱数生成
        filename = "./" + instrument_list[N] + "/output/" + str(n) +".wav"
        fft = fft_load(filename,size) # ランダムで指定楽器のFFTデータを配列に入れる
        ffts = np.append(ffts,fft,axis=0)
        label = np.zeros(K)                #1-of-Kのラベル生成
        label.put(N, 1)
        labels = np.append(labels,label,axis=0)
        num = len(fft)
        
    #np.ndarrayの整形
    ffts = np.reshape(ffts,(count,num))
    labels = np.reshape(labels,(count,K))
    
    return ffts,labels

def data_set_test(count,instrument_list,size): #データセットを作りたい（願望）
    '''
    count = データセットとして取り出したい数 
    instrument_list = "楽器"(str)
    size = FFTのサンプル数
    
    '''
    K = len(instrument_list)
    ffts = np.array([])
    labels = np.array([])
    
    i = 0
    for i in range(int(K)):
        n = 0
        for n in range(count):
            filename = "./" + instrument_list[i] + "/output/" + str(n) +".wav"
            fft = fft_load(filename,size) 
            ffts = np.append(ffts,fft,axis=0)
            label = np.zeros(K)                #1-of-Kのラベル生成
            label.put(i, 1)
            labels = np.append(labels,label,axis=0)
            
        
    #np.ndarrayの整形
    num = len(fft)
    ffts = np.reshape(ffts,(count*K,num))
    labels = np.reshape(labels,(count*K,K))
    
    return ffts,labels

主に各々でイジるところ。ディレクトリ名を入れればいい。今回はエレキギターとベースの分類を行ってみる。

namelist = ["Eguitar","Bass"] #ここをイジる
startlist_train = [100] * len(namelist)
endlist_train = [4009,1000] #データセットの終点を指定

次にNNをTensorFlowでつくる。

num_units = 4096 #ノード
FFT = 1024 #FFTのサンプル数

x = tf.placeholder(tf.float64, [None, FFT])

w1 = tf.Variable(tf.truncated_normal([FFT, num_units],dtype=tf.float64))
b1 = tf.Variable(tf.zeros([num_units],dtype=tf.float64))
hidden1 = tf.nn.sigmoid(tf.matmul(x, w1) + b1)

w0 = tf.Variable(tf.zeros([num_units, len(namelist)],dtype=tf.float64))
b0 = tf.Variable(tf.zeros([],dtype=tf.float64))
p = tf.nn.softmax(tf.matmul(hidden1, w0) + b0)

t = tf.placeholder(tf.float64, [None,len(namelist)])
loss = -tf.reduce_sum(t * tf.log(p))
train_step = tf.train.AdamOptimizer().minimize(loss)
correct_prediction = tf.equal(tf.argmax(p, 1), tf.argmax(t, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float64))

とうとう学習ステップ。

sess = tf.Session()
sess.run(tf.global_variables_initializer())

i = 0
ffts_test, labels_test = data_set_test(100,namelist,FFT)
print(namelist)
for _ in range(2000):
    i += 1
    batch_xs, batch_ts = data_set_train(200,namelist ,startlist_train,endlist_train,FFT)
    sess.run(train_step, feed_dict={x: batch_xs, t: batch_ts})
    if i % 100 == 0:
        loss_val, acc_val = sess.run([loss, accuracy],
            feed_dict={x:ffts_test, t: labels_test})
        print ('Step: %d, Loss: %f, Accuracy: %f'
               % (i, loss_val, acc_val))

結果

['Eguitar', 'Bass']

Step: 100, Loss: 155.835200, Accuracy: 0.505000
Step: 200, Loss: 141.524743, Accuracy: 0.560000
Step: 300, Loss: 135.902021, Accuracy: 0.595000
Step: 400, Loss: 103.269195, Accuracy: 0.835000
Step: 500, Loss: 76.209220, Accuracy: 0.920000
Step: 600, Loss: 53.022086, Accuracy: 0.925000
Step: 700, Loss: 40.102229, Accuracy: 0.955000
Step: 800, Loss: 34.835865, Accuracy: 0.960000
Step: 900, Loss: 31.750563, Accuracy: 0.955000
Step: 1000, Loss: 32.527884, Accuracy: 0.965000
Step: 1100, Loss: 36.188868, Accuracy: 0.950000
Step: 1200, Loss: 26.584764, Accuracy: 0.965000
Step: 1300, Loss: 27.493180, Accuracy: 0.970000
Step: 1400, Loss: 26.846440, Accuracy: 0.965000
Step: 1500, Loss: 37.596496, Accuracy: 0.930000
Step: 1600, Loss: 27.732768, Accuracy: 0.965000
Step: 1700, Loss: 31.237676, Accuracy: 0.960000
Step: 1800, Loss: 29.663903, Accuracy: 0.960000
Step: 1900, Loss: 29.423946, Accuracy: 0.960000
Step: 2000, Loss: 35.136697, Accuracy: 0.960000

 Stepが学習ステップ。Lossが損失関数。Accuracyが認識成功率。

ハイパーパラメータ達

ニューラルネットワークの層	1
ノードの数	4096
FFTのサンプル数	1024
窓関数	ハミング窓
オプティマイザ	Adam
学習率	0.0001
活性化関数	シグモイド関数

注意点

/Users/tacky0612/anaconda3/lib/python3.6/site-packages/numpy/core/numeric.py:531: ComplexWarning: Casting complex values to real discards the imaginary part
  return array(a, dtype, copy=False, order=order)

という警告文が出る。どうやら計算の過程でNaN(欠損値)が出ちゃうかもよーってことらしい。

nonbiri-tereka.hatenablog.com

無音の音源があるとmax(abs(data))が０になってしまうので0で割り算してしまうのでNaNが発生してしまうので注意。

dtype=tf.float64 を指定しないと計算途中でオーバーフローしちゃうので注意。（デフォルトでtf.float32）

TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~

Learning Tensorflow: A Guide to Building Deep Learning Systems

退屈なことはPythonにやらせよう ―ノンプログラマーにもできる自動化処理プログラミング

おわりに・感想

今回はエレキギターとエレキベースの分類を試みたけど、周波数スペクトルを学習してるので、この結果はそりゃあたりまえかぁって感じ。

データセットの関数、めちゃめちゃ適当に書いたのでもうちょっと綺麗にしたい（そのうちやる（多分。。。））

うーん、、、同一の楽器でも音高・音の強さ・楽器の個体差・奏法・などによって特徴が変動するので、単に周波数スペクトルを見るだけじゃちょっとしんどいかなぁ。。。ってのが正直な感想。

今後の展開としてニューラルネットワークを多層化してみようかなーって感じ。

最近また同じようなことやってる論文を読み漁ってるんだけど、僕の頭めちゃ弱いので理解できない事だらけなので理論弱者になってる。。。

けんきうしつに着いたらアンパンマンが飛んでた pic.twitter.com/zZiSwJaASx

— たっきー＠ダサテプラP (@tacky0612) 2017年12月14日