Java初心者必見！Optionalでnullチェックを安全に行う方法【サンプル付き】

2025年10月11日管理者コメントする

Javaで避けて通れないのが「nullチェック」。
しかし、if文を多用するとコードが読みにくくなり、思わぬNullPointerExceptionが発生することもあります。
そんな悩みを解消してくれるのが Optionalクラス です。

本記事では、Optionalを使った安全でスマートなnullチェックの方法を、サンプルコード付きで分かりやすく解説します。

💡 Optionalとは？

Optionalは、Java 8で追加されたクラスで、
「nullの代わりに値の有無を明示的に扱う」ためのラッパーです。

Optionalは「値がある」か「空（empty）」かを明確に区別できるため、
if (obj != null) のような古い書き方を減らせます。

✅ よくあるnullチェックの問題例

この書き方は一見安全ですが、
複数のフィールドをネストすると次のようにネスト地獄に陥ります。

→ これをスマートに書けるのがOptionalです。

🧩 Optionalを使った安全な書き方

これだけで「nullがあれば自動的にスキップ」されます。
つまり、nullチェックをネストせずに安全に値を取り出せるのです。

🔍 Optionalの主なメソッド一覧

メソッド	説明	使用例
of()	null禁止でOptionalを作成	Optional.of("Hello")
ofNullable()	null許可でOptionalを作成	Optional.ofNullable(obj)
isPresent()	値が存在するか判定	if(opt.isPresent())
ifPresent()	値がある場合に処理を実行	opt.ifPresent(System.out::println)
orElse()	値がない場合のデフォルト値を設定	opt.orElse("default")
orElseGet()	遅延生成のデフォルト値	opt.orElseGet(() -> "default")
orElseThrow()	値がない場合に例外を投げる	opt.orElseThrow()

🧠 orElseとorElseGetの違い

比較項目	orElse()	orElseGet()
評価タイミング	常に評価	値が空のときのみ評価
パフォーマンス	無駄な生成が起こる場合あり	必要なときだけ生成
例	opt.orElse(createDefault())	opt.orElseGet(() -> createDefault())

💬 ポイント：
createDefault() のような重い処理を含む場合は、orElseGet()を使う方が効率的です。

🧾 サンプルコード全体

import java.util.Optional;

public class OptionalExample {
    public static void main(String[] args) {
        String name = null;

        // Optionalを使用したnullチェック
        Optional<String> optName = Optional.ofNullable(name);

        // 値があれば大文字に変換して表示
        optName
            .map(String::toUpperCase)
            .ifPresentOrElse(
                System.out::println,
                () -> System.out.println("名前が未設定です。")
            );
    }
}

import java.util.Optional;

public class OptionalExample {

public static void main(String[] args) {

String name = null;

// Optionalを使用したnullチェック

Optional<String> optName = Optional.ofNullable(name);

// 値があれば大文字に変換して表示

optName

.map(String::toUpperCase)

.ifPresentOrElse(

System.out::println,

() -> System.out.println("名前が未設定です。")

);

}

✅ 出力結果：

🚀 Optionalを使うメリットまとめ

メリット	内容
可読性向上	if文のネストを削減できる
安全性向上	NullPointerExceptionのリスクを軽減
関数型スタイル	map, filter, flatMapなどと組み合わせ可能
メソッドチェーン	処理の流れを1行で表現できる

⚠️ 注意点：Optionalは「すべてに使う」ものではない

フィールド変数に使うと逆に可読性が下がる
シリアライズ対象（例：エンティティクラス）には不向き
「戻り値専用」として使うのが基本スタイルです。

🧭 まとめ

Optionalは「nullチェックを明示的に表現する」ための便利な仕組みです。
使い方を覚えることで、より安全で読みやすいJavaコードが書けるようになります。

Windows, トラブル対応, ブログ

🪟 Windows 11：PINやパスワードを忘れたときのリセット方法

2025年10月11日管理者コメントする

Windows 11では、MicrosoftアカウントやPINコードを使ってログインするのが一般的です。
しかし、「PINを忘れた」「パスワードを思い出せない」といったトラブルは誰にでも起こります。
この記事では、Windows 11でサインイン情報をリセットする方法をわかりやすく解説します。

この記事でわかること

PINやパスワードを忘れたときのリセット手順
ローカルアカウント・Microsoftアカウントの違い
トラブル時に試すべき順序と注意点

🧭 1. まず確認！どのタイプのアカウントか？

アカウント種別	特徴	リセット方法
Microsoftアカウント	Outlook、OneDriveなどと連携	Web経由でリセット可能
ローカルアカウント	PC単体で使う	オフラインでパスワード変更可能
会社や学校アカウント（Azure AD）	組織管理下のPC	管理者またはIT部門に依頼

確認方法（通常時）：
「設定」→「アカウント」→「あなたの情報」→「アカウントの種類」で判別できます。
サインインできない場合は、ログイン画面に「Microsoftアカウントでサインイン」と出ていればオンライン型です。

🔑 2. PINを忘れたときのリセット手順

✅ サインイン画面から再設定する

ログイン画面で「PIN（I forgot my PIN）」をクリック
Microsoftアカウントのパスワードを入力
登録しているメールまたは電話に確認コードが届く
新しいPINを設定して完了

💬 補足：PINはローカルPCにのみ保存されるため、他のデバイスには影響しません。

🌐 3. Microsoftアカウントのパスワードを忘れた場合

手順	内容
①	スマホや別PCから https://account.live.com/password/reset にアクセス
②	登録メールまたは電話番号を入力
③	セキュリティコードを受け取り入力
④	新しいパスワードを設定

ポイント：

セキュリティ情報を事前に設定していないとリセットが難しくなります。
その場合、「追加情報の提供を求める」フォームから本人確認が必要です。

💻 4. ローカルアカウントのパスワードを忘れた場合

方法1：パスワードリセットディスクを使う

以前に作成したUSBキーを挿して「パスワードをリセット」を選択。
作成していない場合は、次の方法へ。

方法2：セーフモード＋コマンドプロンプトで再設定

※上級者向けの手順です。

電源ボタンを押して再起動 → ログイン画面で「Shift」＋「再起動」
「トラブルシューティング」→「詳細オプション」→「コマンドプロンプト」
以下を入力して新しいユーザーを作成

再起動後、「NewUser」でログインし、既存アカウントのパスワードを変更。

🧱 5. サインインオプションからPINを再設定する方法（設定から）

手順	操作内容
①	「設定」→「アカウント」→「サインインオプション」
②	「PIN（Windows Hello）」を選択
③	「削除」→「新しいPINを設定」
④	再ログイン後にPINを再登録

⚠️ 一部環境では「この設定は組織によって管理されています」と表示され、管理者権限が必要な場合があります。

🧠 6. トラブルを防ぐための事前対策

対策項目	内容
セキュリティ情報の登録	Microsoftアカウントに電話番号・予備メールを登録
PINのバックアップ	メモ帳やパスワードマネージャーに控える
ローカルアカウントの予備作成	管理者権限のバックアップユーザーを追加
パスワードリセットディスクの作成	「コントロールパネル」→「ユーザーアカウント」から作成可能

🧩 7. どうしてもログインできない場合の最終手段

**リカバリドライブ（USB）**から起動し、Windowsを再インストール
重要データがある場合は、別PCでドライブを読み取り救出可能
組織PCの場合は、IT管理者に連絡

🚀 まとめ

状況	リセット方法	注意点
PINを忘れた	「PINを忘れた」から再設定	Microsoftアカウント認証が必要
Microsoftパスワードを忘れた	Webでリセット	セキュリティ情報が必須
ローカルアカウントのパスワードを忘れた	セーフモードや別ユーザー	上級者向け手順

Python, ブログ, プログラミング

🧠 Pythonで学ぶ画像認識入門：TensorFlowとKerasで手書き数字を判定する方法(5) ～複数の自作画像を一括で認識～

2025年10月11日管理者コメントする

前回

「🧠 Pythonで学ぶ画像認識入門：TensorFlowとKerasで手書き数字を判定する方法(4) ～学習済みモデルで自作画像を認識～」

の記事では、学習済みモデルを使って「1枚の手書き数字画像」を判定しました。
今回はさらに発展して、フォルダ内にある複数の画像を一括で認識してみましょう。

これにより、手書きで作成した「0〜9」の数字画像をまとめてテストできるようになります。

🧩 動作環境（共通）

項目	バージョン / ツール
OS	Windows 11 Pro 24H2
Python	3.12.6
pip	24.2
エディタ	PowerShell / VS Code
ライブラリ	pandas 2.x / matplotlib 3.x / openpyxl 3.x

📁 ステップ①：フォルダ構成を準備

まず、テスト用フォルダを作成します。

C:\python_env\
├─ mnist_cnn_model.h5        ← 前回の学習済みモデル
├─ test_images\
│   ├─ 0.png
│   ├─ 1.png
│   ├─ 2.png
│   ├─ 3.png
│   └─ 4.png
│   └─ 5.png
│   └─ 6.png
│   └─ 7.png
│   └─ 8.png
│   └─ 9.png
└─ predict_batch.py          ← 今回のスクリプト

C:\python_env\

├─ mnist_cnn_model.h5 ← 前回の学習済みモデル

├─ test_images\

│ ├─ 0.png

│ ├─ 1.png

│ ├─ 2.png

│ ├─ 3.png

│ └─ 4.png

│ └─ 5.png

│ └─ 6.png

│ └─ 7.png

│ └─ 8.png

│ └─ 9.png

└─ predict_batch.py ← 今回のスクリプト

各画像は 白背景 × 黒または青文字、中央寄せ、28×28ピクセル推奨です。

🧠 ステップ②：複数画像を一括認識するスクリプト

ファイル名：predict_batch.py

内容：

# =========================================
# 複数の自作画像を学習済みモデルで一括認識
# =========================================

import os
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.models import load_model
from tensorflow.keras.preprocessing import image

# ---------- フォント設定 ----------
plt.rcParams['font.family'] = ['Meiryo', 'Yu Gothic', 'MS Gothic']
plt.rcParams['axes.unicode_minus'] = False

# ---------- モデル読み込み ----------
model = load_model("mnist_cnn_model.h5")
print("✅ 学習済みモデルを読み込みました。")

# ---------- 画像フォルダ ----------
folder_path = "test_images"
files = sorted([f for f in os.listdir(folder_path) if f.endswith(('.png', '.jpg', '.jpeg'))])

# ---------- 一括推論 ----------
results = []
for file in files:
    img_path = os.path.join(folder_path, file)
    img = image.load_img(img_path, target_size=(28, 28), color_mode="grayscale")
    img_array = image.img_to_array(img)
    img_array = 255 - img_array   # 白背景×黒文字の反転補正
    img_array = img_array / 255.0
    img_array = np.expand_dims(img_array, axis=0)

    pred = model.predict(img_array)
    label = np.argmax(pred)
    results.append((file, label))
    print(f"{file} → 予測結果: {label}")

# ---------- 一覧表示 ----------
plt.figure(figsize=(10, 2))
for i, (fname, label) in enumerate(results):
    img_path = os.path.join(folder_path, fname)
    img = image.load_img(img_path, target_size=(28, 28), color_mode="grayscale")
    plt.subplot(1, len(results), i + 1)
    plt.imshow(img, cmap='gray')
    plt.title(f"{label}", fontsize=12)
    plt.axis("off")
plt.suptitle("一括予測結果", fontsize=14)
plt.show()

# =========================================

# 複数の自作画像を学習済みモデルで一括認識

# =========================================

import os

import numpy as np

import matplotlib.pyplot as plt

from tensorflow.keras.models import load_model

from tensorflow.keras.preprocessing import image

# ---------- フォント設定 ----------

plt.rcParams['font.family'] = ['Meiryo', 'Yu Gothic', 'MS Gothic']

plt.rcParams['axes.unicode_minus'] = False

# ---------- モデル読み込み ----------

model = load_model("mnist_cnn_model.h5")

print("✅ 学習済みモデルを読み込みました。")

# ---------- 画像フォルダ ----------

folder_path = "test_images"

files = sorted([f for f in os.listdir(folder_path) if f.endswith(('.png', '.jpg', '.jpeg'))])

# ---------- 一括推論 ----------

results = []

for file in files:

img_path = os.path.join(folder_path, file)

img = image.load_img(img_path, target_size=(28, 28), color_mode="grayscale")

img_array = image.img_to_array(img)

img_array = 255 - img_array # 白背景×黒文字の反転補正

img_array = img_array / 255.0

img_array = np.expand_dims(img_array, axis=0)

pred = model.predict(img_array)

label = np.argmax(pred)

results.append((file, label))

print(f"{file} → 予測結果: {label}")

# ---------- 一覧表示 ----------

plt.figure(figsize=(10, 2))

for i, (fname, label) in enumerate(results):

img_path = os.path.join(folder_path, fname)

img = image.load_img(img_path, target_size=(28, 28), color_mode="grayscale")

plt.subplot(1, len(results), i + 1)

plt.imshow(img, cmap='gray')

plt.title(f"{label}", fontsize=12)

plt.axis("off")

plt.suptitle("一括予測結果", fontsize=14)

plt.show()

⚙️ ステップ③：実行方法

仮想環境を有効化して、次を実行します：

🧾 ステップ④：出力結果（例）

コンソール出力例：

✅ 学習済みモデルを読み込みました。
0.png → 予測結果: 0
1.png → 予測結果: 1
2.png → 予測結果: 2
3.png → 予測結果: 3
4.png → 予測結果: 4
5.png → 予測結果: 5
6.png → 予測結果: 6
7.png → 予測結果: 7
8.png → 予測結果: 8
9.png → 予測結果: 9

✅ 学習済みモデルを読み込みました。

0.png → 予測結果: 0

1.png → 予測結果: 1

2.png → 予測結果: 2

3.png → 予測結果: 3

4.png → 予測結果: 4

5.png → 予測結果: 5

6.png → 予測結果: 6

7.png → 予測結果: 7

8.png → 予測結果: 8

9.png → 予測結果: 9

グラフ表示：

横一列に数字画像が並び、各画像の下にAIの判定結果が表示されます
一目でどの画像をどの数字と認識したか分かります

📊 ステップ⑤：結果と考察





	項目 内容




	処理対象 フォルダ内の全画像（png/jpg）を自動スキャン


	推論処理 load_modelでCNNモデルを再利用し、一括predictを実施


	表示形式 コンソール出力＋matplotlibで可視化


	精度 1枚ずつ推論と同等（約99%）を維持


	応用例 書類や帳票の一括認識、データセットの一括評価など


	考察 単一推論を拡張してバッチ処理化。フォルダ単位で実行できるため自動化が容易

項目	内容
処理対象	フォルダ内の全画像（png/jpg）を自動スキャン
推論処理	load_modelでCNNモデルを再利用し、一括predictを実施
表示形式	コンソール出力＋matplotlibで可視化
精度	1枚ずつ推論と同等（約99%）を維持
応用例	書類や帳票の一括認識、データセットの一括評価など
考察	単一推論を拡張してバッチ処理化。フォルダ単位で実行できるため自動化が容易

💡 発展ポイント

テーマ	内容
結果をCSV出力	pandas.DataFrame(results).to_csv('result.csv', index=False)
サブフォルダ対応	os.walk() を使えば階層フォルダも処理可能
推論速度UP	GPU環境なら処理時間が大幅短縮
異常画像の検出	サイズやフォーマットが不正な画像をスキップ処理可能

✅ まとめ

本記事では、学習済みモデルを使って複数の手書き数字画像をまとめて判定しました。
フォルダ単位で一括処理できるため、データテストやAIモデルの精度検証にも最適です。

次回は、

🧠 (6) 判定結果をCSV出力し、正解データと比較して精度を分析
として、「自作データセットの評価編」に進みます。

覚え書き.com

日別アーカイブ: 2025年10月11日

Java初心者必見！Optionalでnullチェックを安全に行う方法【サンプル付き】

💡 Optionalとは？

✅ よくあるnullチェックの問題例

🧩 Optionalを使った安全な書き方

🔍 Optionalの主なメソッド一覧

🧠 orElseとorElseGetの違い

🧾 サンプルコード全体

🚀 Optionalを使うメリットまとめ

⚠️ 注意点：Optionalは「すべてに使う」ものではない

🧭 まとめ

🪟 Windows 11：PINやパスワードを忘れたときのリセット方法

この記事でわかること

🧭 1. まず確認！どのタイプのアカウントか？

🔑 2. PINを忘れたときのリセット手順

✅ サインイン画面から再設定する

🌐 3. Microsoftアカウントのパスワードを忘れた場合

💻 4. ローカルアカウントのパスワードを忘れた場合

方法1：パスワードリセットディスクを使う

方法2：セーフモード＋コマンドプロンプトで再設定

🧱 5. サインインオプションからPINを再設定する方法（設定から）

🧠 6. トラブルを防ぐための事前対策

🧩 7. どうしてもログインできない場合の最終手段

🚀 まとめ

🧠 Pythonで学ぶ画像認識入門：TensorFlowとKerasで手書き数字を判定する方法(5) ～複数の自作画像を一括で認識～

🧩 動作環境（共通）

📁 ステップ①：フォルダ構成を準備

🧠 ステップ②：複数画像を一括認識するスクリプト

⚙️ ステップ③：実行方法

🧾 ステップ④：出力結果（例）

📊 ステップ⑤：結果と考察

💡 発展ポイント

✅ まとめ

「駑馬十駕」を信念に IT系情報を中心に調べた事をコツコツ綴っています。

💡 Optionalとは？

✅ よくあるnullチェックの問題例

🧩 Optionalを使った安全な書き方

🔍 Optionalの主なメソッド一覧

🧠 orElseとorElseGetの違い

🧾 サンプルコード全体

🚀 Optionalを使うメリットまとめ

⚠️ 注意点：Optionalは「すべてに使う」ものではない

🧭 まとめ

関連記事

この記事でわかること

🧭 1. まず確認！どのタイプのアカウントか？

🔑 2. PINを忘れたときのリセット手順

✅ サインイン画面から再設定する

🌐 3. Microsoftアカウントのパスワードを忘れた場合

💻 4. ローカルアカウントのパスワードを忘れた場合

方法1：パスワードリセットディスクを使う

方法2：セーフモード＋コマンドプロンプトで再設定

🧱 5. サインインオプションからPINを再設定する方法（設定から）

🧠 6. トラブルを防ぐための事前対策

🧩 7. どうしてもログインできない場合の最終手段

🚀 まとめ

関連記事

🧩 動作環境（共通）

📁 ステップ①：フォルダ構成を準備

🧠 ステップ②：複数画像を一括認識するスクリプト

⚙️ ステップ③：実行方法

🧾 ステップ④：出力結果（例）

📊 ステップ⑤：結果と考察

💡 発展ポイント

✅ まとめ

関連記事

「駑馬十駕」を信念に IT系情報を中心に調べた事をコツコツ綴っています。

　関連記事

　関連記事

　関連記事