管理者用環境構築手順 (Administrator Setup)

プロジェクト作成時に 一度だけ 行う初期設定．

GitHub リポジトリの作成 (Repository Creation)

private リポジトリとして作成する（臨床データは含めないが，研究途中のコードを公開しないため）．

gh repo create rintoHasegawa/TIASJudgeModel --private --source=. --remote=origin \
  --description "舌画像から舌色 5 分類を推定する機械学習モデル（TIASjudge 用）"

リポジトリのセキュリティ設定 (Repository Security Settings)

Dependabot alerts（脆弱性検出）と Dependabot security updates はリポジトリごとに既定で OFF なので，作成直後に有効化する（冪等なので再実行してよい）．

gh api -X PUT repos/rintoHasegawa/TIASJudgeModel/vulnerability-alerts
gh api -X PUT repos/rintoHasegawa/TIASJudgeModel/automated-security-fixes

検証:

gh api repos/rintoHasegawa/TIASJudgeModel/vulnerability-alerts       # 204 なら有効（404 なら無効）
gh api repos/rintoHasegawa/TIASJudgeModel/automated-security-fixes   # {"enabled":true,...} なら有効

※ 依存バージョンの定期更新は .github/dependabot.yml で設定する（別物．リポジトリ設定とは独立に動く）．

Newton 側の初期設定 (Server Setup)

mkdir -p ~/work/TIASJudgeModel        # コード置き場（push で上書きされる）
mkdir -p ~/data/TIASJudgeModel        # データ置き場（push の対象外）
chmod 700 ~/data/TIASJudgeModel       # 共用サーバなので自分だけに絞る

コードを初回送信したあと，サーバ上で以下を確認する．

cd ~/work/TIASJudgeModel
uv sync
uv run python -c "import torch; print(torch.cuda.is_available(), torch.cuda.device_count())"

uv sync は CUDA 版 PyTorch が入るため時間がかかる．True と GPU 台数が出ることを確認する．False の場合は ENV_01「CPU / GPU の依存差」に従う．

臨床データの初回コピー (Initial Data Copy)

原本は研究室 PC に置き，研究室 LAN 内で Newton へ一度だけコピーする．手元 PC を経由させない．

原本の置き場所 (Source Location)

C:\Users\Papin\clinical-data\TIASJudgeModel\

ラベルごとの 9 フォルダに PNG が直置きされている（内訳は TEST_01 データセット構成調査）．

⚠ 研究室 PC では「ドキュメント」フォルダが OneDrive（OneDrive - 千葉大学）にリダイレクトされている．臨床データをドキュメント・デスクトップ配下に置くとクラウドへ同期されるため置かない．上記のプロファイル直下の独自フォルダは同期対象外である．

フォルダ名の対応 (Folder Mapping)

日本語フォルダ名をそのまま転送すると Windows（CP932）と Linux（UTF-8）の文字コード差で名前が壊れるため，ASCII のスラッグ名に対応付けてコピーする．

手順 (Procedure)

1. 研究室 PC で作業する（hostname で研究室 PC であることを確かめてから実行する）

2. PowerShell で以下を実行する（対応表どおりに 9 フォルダを転送する）

   $src = "C:\Users\Papin\clinical-data\TIASJudgeModel"
   $dst = "hasegawa@192.168.23.14:~/data/TIASJudgeModel/images"
   $map = @{
     "淡紅（正常）"     = "light_red_normal"
     "暗赤紅＿あり"     = "dark_red_strong"
     "暗赤紅＿ややあり" = "dark_red_mild"
     "紫＿あり"         = "purple_strong"
     "紫＿ややあり"     = "purple_mild"
     "紅＿あり"         = "red_strong"
     "紅＿ややあり"     = "red_mild"
     "淡白＿あり"       = "pale_strong"
     "淡白＿ややあり"   = "pale_mild"
   }
   ssh hasegawa@192.168.23.14 "mkdir -p ~/data/TIASJudgeModel/images"
   foreach ($k in $map.Keys) {
     ssh hasegawa@192.168.23.14 "mkdir -p ~/data/TIASJudgeModel/images/$($map[$k])"
     scp "$src\$k\*.png" "$dst/$($map[$k])/"
   }
   

3. コピー後に件数を突き合わせる

   (Get-ChildItem -LiteralPath $src -Recurse -File).Count   # 研究室 PC 側（1085 の見込み）
   ssh hasegawa@192.168.23.14 "find ~/data/TIASJudgeModel/images -type f | wc -l"
   

4. 原本は研究室 PC に残す（Newton 側は作業用コピー）

以降は再転送しない．データセットの内容確認（枚数・クラス分布・破損チェック）はサーバ上のコマンドで行い，集計結果のみを手元で見る．

※ 研究室 PC から Newton への鍵が未登録の場合はパスワードを求められる．

学外アクセス用の踏み台 (Off-campus Access)

研究室 PC を ProxyJump の踏み台にする設定は SmTIAS-LightSim で構築済みのため，本プロジェクトでの追加作業は不要（未設定の場合は同プロジェクトの docs/02_ENV/ENV_02_環境構築手順.md「学外から接続する（研究室 PC 経由）」に従う）．

人間が確認すべき事項 (Human Checklist)

Claude は実施できない．着手前に確認する．

• 臨床データの倫理審査・データ利用許諾の範囲（機械学習での二次利用が含まれるか）
• データを研究室の共用計算サーバに置くことが規程上許容されるか
• 研究室 PC で SSH サーバを動かすことが研究室のルールに照らして問題ないか