はてなブックマーク

0. はじめに sublime使いだった僕が（使い込んではいなかったけど）社内のPython開発環境を統一するためにVS Codeの色々を調べたので，そのまとめです． 以下ができるような開発環境の構築を目的としています． 複数人がローカルで開発する時に，環境を揃えたい． ローカルからリモートサーバーにアクセスして開発したい． プロジェクトごとに依存関係を整理したい． コーディングスタイルや型などのチェックを入れたい． Pythonの環境周りはPipenvで管理し，ローカルでdockerを立ち上げてその中で開発するためのテンプレです． 1. install Setting up Visual Studio Code 2. Extension 2.1. 必須 以下は必須． python Remote Development Remote SSH git lens 2.2. オプショナル その他

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

import matplotlib print(matplotlib.__version__) # 1.5.1 import numpy as np from scipy.stats import multivariate_normal # for plotting import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D m = 2 #dimension mean = np.zeros(m) sigma = np.eye(m) N = 1000 x1 = np.linspace(-5, 5, N) x2 = np.linspace(-5, 5, N) X1, X2 = np.meshgrid(x1, x2) X = np.c_[np.ravel(X1), np.ravel(X2)] Y_plot = m

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

はじめに IBIS2017のチュートリアルで，林先生が「テンソル分解をニューラルネットのフレームワークでやれば楽チンではないか」みたいなことを言っていて，確かに便利そうだと思ったのでそれを試す． ここではフレームワークとしてpytorchを使う． まずは前段階として単純行列分解をやってみる． テンソル分解はそのうちやりたい．（余裕があれば ） テンソル分解もpytorchでテンソル分解（CP分解）でやった． 環境 Python 3.6.1 torch (0.2.0.post3) torchvision (0.1.9) モデルの定義 $X$を$U V^{T}$に分解することを考える．$X$が(n,m)行列のとき，Vは(n,r)行列，Vは(m,r)行列になる． import torch from torchvision import datasets, transforms from torc

はじめに 強化学習よくわからないけど，理論そっちのけでとりあえずパパッと動かして見たいせっかちな人向けです．つまり僕のような人間です． OpenAI Gymで，強化学習の環境を提供してくれているので，それを用います． OpenAI Gymはあくまでも環境だけで，実際に学習させるには他のものが必要です． 調べて見ると，Kerasで強化学習をやるkeras-rlを書いた人がいて，これを使うと簡単に試せそうだったので使います．先人に感謝． 環境の準備 今回の環境 Python 3.6.0 :: Anaconda 4.3.1 (x86_64) Mac OS Sierra 10.12.5 keras 2.0.5 (backend tensorflow) tensorflow 1.2.0 最初はディスプレイのないサーバーでやっていましたが，めんどくさかったので，ローカル環境でやりました． ちなみにディ

1.はじめに この記事はKerasのLSTMのフィードフォワードをnumpyで実装するの続きみたいなものです． KerasでLSTM AutoEncoderを実装し，得られた特徴量から2値分類を試します． データは，周波数の異なる2つのsin波を生成し，それを識別します． 2.環境 Python 3.6.1 :: Anaconda 4.4.0 (64-bit) Keras 2.0.5 (backend : tensorflow) 3.データの作成 3.1 概要 データの生成は以下の記事を参考にしています．ありとうございます． 深層学習ライブラリKerasでRNNを使ってsin波予測 RNNにsin波を学習させて予測してみた 今回は2値分類をするため，データの生成方法を少し変更しています． 周波数の異なるsin波を二つ準備し，それを識別させます． 3.2 コード 今回使うデータを生成するコー

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?