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
rodhos.hatenadiary.jp
以下を参照しつつマルチスレッドのデザインパターンを概観し、適宜Swiftでの実装を考える。 Single Threaded Execution (同時にできない) クリティカルセクション。 Immutable (不変) Guarded Suspension (用意できるまで待つ) Balking (用意できないならやめる) Producer-Consumer (生産者と消費者をわける) Read-Write Lock (書く人は一人、読むのは誰でも) Thread-Per-Message (処理を他のスレッドに任せる) Worker Thread (スレッドを貯めておいて仕事を振る) Future (任せておいた仕事の結果を同期的に受け取る) Two-Phase Termination (適切な終了処理) Thread-Specific Storage (スレッド毎に保存できる領域を確保し
これは以下のチュートリアルをやってみたログである。 http://www.tensorflow.org/tutorials/mnist/beginners/index.html#mnist-for-ml-beginners 分類問題には古典的にはSoftmax Regressionsを使用するのが自然である。 あるクラスは入力値にそれぞれの重みをかけて足し合わせたものだとする。これをevidenceと呼べば evidence_i = w_ij x_j + b_i ここでb_iはバイアスである。ここで同一添字の和を省略した。 これを確率に変化させるためにsoftmax関数を使う。 y_i = softmax(x)_i = e^(x_i)/Σ_je^(x_j) よって y_i = softmax(evidence_i)_i これを単に y = softmax(Wx+b) と書くことにする。 R
以下を参考にした。blog.btrax.com Hello World import tensorflow as tf hello = tf.constant('Hello, world!') sess = tf.Session() print sess.run(hello) a = tf.constant(555) b = tf.constant(666) print sess.run(a+b) 基本的な使い方 グラフ表現 Sessionsの文脈内でのグラフの実行 テンソルとしてのデータ表現 変数を用いた状態保持 feedを用い任意のOperationにデータを渡したり受け取ったりする OverView TensorFlowは計算をグラフとして表現してプログラミングをする。 ノードはOps(Operations)を表す。 opは0個以上のテンソルを取り、計算をして、0個以上のテンソルを出
このページを最初にブックマークしてみませんか?
『rodhos.hatenadiary.jp』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