How to fix your AdMob app-ads.txt whose status is either missing or not valid.

App-ads.txt helps ensure that applications with in-app ads belong to publishers. It is designed to protect publishers and developers from fraud.

Publishers are required to create an app-ads.txt for applications and upload it to the root directory of the application website listed on Google Play or the App Store. App-ads.txt file like below is provided as a code snippet on Google AdMob.


google.com, , DIRECT, 0000000000000000


This snippet does not contain the publisher ID. You, the publisher, manually add your publisher ID, which can be found in the profile section in the upper right-hand corner, to the second field.

Unless your app-ads.txt is properly formatted, AdMob crawl status is set to “No app-ads.txt file found“. If your app-ads.txt could be accessed via AdMob app-ads.txt link and AdMob still did not find your app-ads.txt file, your file is very likely to be malformed or the character encoding of the file is invalid.

ビットマップ画像のピクセル数を指定して出力する

デジタル写真のようなビットマップ(ラスター)画像を Linux 上でサイズ数を指定して作成することは、簡単そうに見えて意外と苦労する作業です。

GIMP でファイルを開き、Rectangle Select で範囲を選択し、Tool Options からサイズを数値で指定して保存しても、出力された PNG/JPG ファイルは微妙にピクセル数が変わっていたりします。

たとえば、1200 x 800 px のピクセル数で保存しようとしても、実際に出力されたファイルを確認してみると 1197 x 798 px のように期待したピクセル数と異なることは珍しくありません。

画像の縦横比だけが問題となる場合は良いですが、Google Play Store にアプリを公開する場合のように厳密にピクセル数を指定されている場合、非常に困ることになります。

どうにかして指定のピクセル数でファイルを出力できないかと設定をいじったり、別のツールを試したりしましたが、結局、ImageMagick を用いて画像のフォーマットを変換することが最短の解決法だと結論づけました。

ImageMagick を用いた画像のサイズ変更では mogrify を使用してファイルを一括変更することが多いかと思われますが、この方法ではうまく行きません

どうするのかと言えば、本来は画像のフォーマットを変換するコマンドである convert を使用して出力サイズを指定してして変換を行います。

なんだかなぁという気がしますが、やりたいことはこれで達成できます。

Raspberry Pi で機械学習

どうでも良いことですが、私の大学(院)時代の専門は機械学習やパターン認識の近接領域です。

当時は侵入検知や一般物体認識など、一部の限られた研究者のあいだで非線形手法が流行していたところに、古臭くて見向きもされていなかったニューラルネットが圧倒的な性能を見せつけ、シンギュラリティという言葉が生まれて一躍、大ブームが巻き起こりました。

流行の波に乗って、多くの人が新たに機械学習ライブラリに触れてみる機会が多くなった一方で、個人的には徐々に機械学習から距離を置いていきました。

それは、数十台のサーバコンピュータを数日連続して動かし続けたり、国内に数えるほどしかない大型計算機システム(つまりはスパコン)の利用申請をしたり、要するに計算資源だよりの力技でゴリ押しする風潮に魅力を感じなかったわけです。

特定の環境に依存しすぎていて、少しでも条件が変わったときにプロジェクトの再現や継続が難しいのはどうなのかなと。

Raspberry Pi(ラズパイ)は、ある意味、その対局にあります。

スマートフォンよりも小さく物理的に持ち運ぶことも容易、処理性能は玩具かせいぜいが低価格PCと比較できるくらい、学習データは外付け HDD に頼ればいいとして、それを取り込んでモデルを構築する際にメモリに載せられるかどうかというスペックです。




Continue reading “Raspberry Pi で機械学習”

Contact Us