サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
大谷翔平
hotoke-x.hatenablog.com
もともとPython使いの自分には、ゼロから作るDeep LearningをPythonでやっても面白くない! ということでJuliaでやってみた。 速度が犠牲にならないように多少は考慮したつもりだが、本家Python版の方が速いかも。 なんにも考えなくても速度がでるNumpy凄い... Juliaは数学的に自然な形でコードが書けて嬉しいが、行列演算をちょっと工夫して書かないとNumpyより遅くなる。 また、実装していて気がついたのだがどうやらdictionaryへのアクセスがJuliaは遅いらしい? discourse.julialang.org dictionaryは便利だけど、できるだけstructを使って回すのが良さそうです。 最後までちゃんと読まなかったようで、Juliaの方が早いとの事。失礼しました。 #Julia言語 1秒(Python2,3)と0.18秒(Julia v0.
hotoke-x.hatenablog.com hotoke-x.hatenablog.com の続き。 本記事ではテンソルの微分演算についてまとめる。行列の行列微分がややこしかったので、縮約記法で計算すればスッキリできるのではと思ったのが事の発端。ようやくここまで来た。 準備 スカラーのベクトル微分、ベクトルのスカラー微分、ベクトルのベクトル微分、スカラーの行列微分を以下のように定義する。また、それぞれの最右辺は縮約記法での表現を表す。 $$ \begin{align} \frac{\mathrm{d}f}{\mathrm{d}\boldsymbol{x}} &= \left( \begin{array}{c} \frac{\mathrm{d}f}{\mathrm{d}x_{1}} \\ \frac{\mathrm{d}f}{\mathrm{d}x_{2}} \\ \vdots \\ \
このページを最初にブックマークしてみませんか?
『hotoke-x.hatenablog.com』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く