生成AI系のソフト類を動かすためのUbutuをインストールしたPCを弄っていたら、pythonのパッケージやCUDAツールキット、nvidiaのドライバーなどバージョンの不整合を発生させ、自分のスキルでは解決が難しそうでしたので、クリーンインストールすることにしました。
気が付いたのですが、このバージョンは新しくてもダメで古いのはもっとダメでちょうど良い感じのバージョンを探すという、なんともふわっとした話で、根本的には仮想化すれば解決できる問題ですが、せっかくリアルPCがあるのだから少しでもパフォーマンスが良い状態で使いたいと思っています。
とりあえずpytorchの現行のcudaのバージョンが12.4のようなのでそちらを軸に、いろいろなソフトウェアをインストールしなおしてみました。過去記事にしているソフトは概ねインストールし稼働することが確認出来て一安心です。
ちなみにUbuntuは22.04でサポート期間はまだありますが、最新の長期サポート版は24.04ですので内容的には古いですが、使っているソフトが必ずしも最新に追随できていないところが難しい所です。
話がかわりますが、
個人的によく使うファイルをGUIで管理するアプリをC#(WPF)で作っていて、管理しているファイルにコメントをつけて、そのコメントでファイル検索することが主な目的です。
通常ファイルはファイルシステムのフォルダ構造で分類するわけですが、必要そうなファイル（の情報）をブラウザのブックマークのように一か所に追加し、タグをつけて管理するイメージになります。
そうなると、画像ファイルなどはコメントを入力するにも内容が見えないと何のファイルか不明なので、大き目なプレビュー機能を追加しました。画像はそれでよいのですが、それ以外のファイルやフォルダの場合として、テキスト系のファイルのの場合テキストボックスでテキストを表示、フォルダはフォルダ内に画像がある場合画像を表示するようにしました。
その流れで、本日はNAudioというパッケージを導入しwavファイルを波形を取り出して画像としてプレビューするようにしてみました。
なかなか便利なぱけっケージで使い方はオイオイ調べたいと思います。定番パッケージなようで情報が多そうな感じが良いです。
ただ、作ってはみましたが波形を見てもどれも同じように見えるので、何か別な方法を考えたいと思います。
理想を言えば音声ファイルなので文字起こしをしてコメントにセットしてくれるとよいですし、画像ファイルであればOCR、さらに言えば、生成AIを使ってなんの絵が描かれているか文章化するimg2txt的なものがあればよいのですが…
コメント