限りなく院生に近いニート@エストニア

エストニアという国で一人ダラダラしてます。

Flywheel でローカルで作ったサイトを本番サーバーにあげる方法(ロリポップ)

久々に依頼されてウェブサイトを作った。

要求はwordpressで、サーバーはロリポップらしい。

 

Flywheel はローカルで簡単にwordpressを管理できるサービスである。

以前、MAMPを使ったことがあったが、こっちの方が使いやすい感じがした。

まずはFTPでローカルに作ったファイルを、鯖にあげる。

ぼくは通信で、FileZillaを使った。

アップロードの仕方としては、

青矢印をクリック。(右上)

 

f:id:T_I_SHOW:20190118021526p:plain

開いたところの、New Siteをクリックする。

f:id:T_I_SHOW:20190118021554p:plain

Host, User, Passwordを埋める必要があるのだが、

まずHostは、ロリポップのアカウント情報内のサーバー情報にある、

FTPSサーバーに書かれてるものを記入し、

Userとパスは、webdevアカウントとそのパスである。

f:id:T_I_SHOW:20190118021806p:plain

そしたら、鯖のroot( / の場所に)public以下(wp-adminやwp-contentなど全て)を送信する。ドラッグ&ドロップでも可。

ただ、送信前に、wp-config.phpの内容を変更しておく必要がある。

f:id:T_I_SHOW:20190118022130p:plain

上の写真のデータベースやホスト名などを全てロリポップのサーバーに対応させる。

ロリポップで新規にデータベースを作成する。

f:id:T_I_SHOW:20190118022408p:plain

そこで作成したデータベースのユーザー名やパスワードに、wp-config.phpの内容を変更する。

その上で、FTPでサーバーへアップロードする。

次に、

作成したデータベースへsqlファイルをインポートする必要があるので、Flywheelを開いいて、DATABASEのところからADMINERへいき、sqlファイルをダウンロードする。

sqlファイルはzipファイルへ圧縮。

そのファイルを作成したデータベースのphpAdminへいき、インポートする。

 

最後に、

インポートしたデータベースはローカル用のURLのため、サーバー用のURLに変換する必要がある。

 

常軌をダウンロードし、ファイルをまたFilezillaを使ってサーバーのwp-contentなどと同じ階層にアップする。

https://サーバー名(サイトって言った方がわかりやすいかな)/Search-Replace-DB-master/

へ飛び、

f:id:T_I_SHOW:20190118023102p:plain

replaceに、localhost/WordPressフォルダ名/

withに、サーバー名/アップロードしたフォルダ名/

を書き込んで、dry run, live run, delete meを順番に行う。

ぼくの場合、フォルダ名はwp-contentでいけた。

 

多分これでサイトがちゃんと動くはずだ。

OCRで画像からテキスト(日本語)を抽出してみる。

OCRを使って、画像からに日本語を抽出しようと思ったので、メモ。

 

 


from PIL import Image
from pytesseract import image_to_string

img = Image.open('ex.jpg')
text = image_to_string(img, lang='jpn')
print(text)
   

language設定で、最初日本語設定ができなかった。

 

どうやら

jpn.traineddata

 

をダウンロードし、

 

/usr/local/share/tessdata/

 

へ落とさないとダメらしい。

 

ドラッグ&ドロップでもいいが、コマンドでもいける。(下記)

 

 


$ curl -L -o /usr/local/share/tessdata/jpn.traineddata 'https://github.com/tesseract-ocr/tessdata/raw/master/jpn.traineddata'

Upper Confidence Bounds

Upper Confidence Boundsという方策について簡単にまとめたい。

今回の例においては、スロットマシンをどう選んで遊んでいくかを考えることがポイントであるが、

その際、結果を最大化するために、最適なマシンを選んでいくことが重要になってくる。

しかし、選択回数が少ないマシンについては、そのマシンからの結果が正確に推定できていない可能性がありますよね。

これらのバランスをとる方法が、Upper Confidence Boundsである。

マシンを選択する際、毎回以下の氷菓式で求められる評価値を算出し、最もスコアの高いアームを引く。



\bar{\mu_{i}}(t) = \hat{\mu}_{i}(t) + \sqrt{\frac{\log t}{2N_{i} (t)}}



\bar{\mu_i}(t)

時刻tのアームiのスコア



\hat{\mu}_{i}(t)
時刻tのアームiの標本平均



N_{i} (t)
時刻tまでのアームiの選択回数

*メリットとデメリット

メリット

どの程度マシンについて知っているかを考慮してマシンを選択できる。
パラメータを設定する必要がない。
最終的に最も良いアームのみを選ぶように収束する。

デメリット

悪いマシンをExploreのために引きすぎてしまう。