AnacondaのNumPyとpipによるNumPyの速度の違い | CCT-recruit
こんにちは、エンジニアのtetsuです。 Pythonで機械学習をおこなう人はAnacondaを使っている方も多いのではないのでしょうか。 Anacondaを使えば、一発でNumPyやscikit-learn、Matplotlib、Pandasといった便利なライブラリを導入することができるので人気なのもうなずけます（一方で不便な面もありますが）。しかしながら、Anacondaを使うメリットはそれだけではありません。 NumPyで呼び出される行列演算を実際に担うBLAS (Basic Linear Algebra Subprograms)というものには様々な実装法が存在しているのですが、その一つがIntel社が開発しているIntel MKL(Math Kernel Library)となります。実はAnacondaによってインストールされたNumPyから呼び出されるBLASはMKLになっていま
10分でPythonの科学計算環境構築(anaconda+ Visual Studio Code） - tata色々な備忘録
10分で科学計算＋pythonのコーディング環境構築（自動補完）まで。 anacondaとVisual Studio Codeの組み合わせになる。 Visual Studio Code（VScode）はMS製のIDEだがmac、linuxでも動く。 Markdownでも優秀なツールであり、少しマイナーだがお勧め。 環境構築10分はダウンロード時間を除く。 確認はWindows10だが、mac、linuxも同じ手順、時間で行ける。 1.anacondaのインストール Download Anaconda Now! | Continuum 2.Visual Studio Code（VScode）のインストール code.visualstudio.com 3.Visual Studio Codeの設定 ① python用設定のインストール （下図のようこそ→pythonをクリック→はい） ② フォ
Pythonの環境構築を自分なりに整理してみる
機械学習ブームなどにより、 Python を触り始める Rubyist が増えてきたと思います。その際に問題になりやすいのが環境構築です。Rubyだと rbenv がデファクトスタンダードになっているのに、なぜか Python に… 私の立ち位置もともとは、数年前まで 年に一回Python3でNLTKやらscikit-learnやら機械学習や自然言語処理の環境を作ろうと試みては失敗してPython使うものかと思っていた人でした。それが、Anacondaで環境導入すると、面倒なことは何も考えずに済むということを知り、CookpadではAnacondaを前提に環境構築を勧めていました。 今は、ymotongpooに「郷に入っては郷に従え」と言われたため、pip+virtualenv/venvで全てをこなしていますが、これで困ったことは特にありません。macOS, Windows, Linuxそ
Rubyist が pyenv を使うときに知っておいてほしいこと - Qiita
はじめに 機械学習ブームなどにより、 Python を触り始める Rubyist が増えてきたと思います。その際に問題になりやすいのが環境構築です。Rubyだと rbenv がデファクトスタンダードになっているのに、なぜか Python には pyenv に否定的な意見が多いんですよね。 私は pyenv を使っていますし、便利だと思っています。また、 Ruby は殆ど使わないのですが、RubyとPythonのツールスタックの違いについても調べました。 (参考: gem, bundler と pip, venv の比較) その視点から、 Rubyユーザーが自分でpyenvの使い方を自分で決める上で知っておいた方が良いだろうなと思う Ruby と Python の環境の違いをまとめてみます。 tl;dr 丁寧に解説しても、「Python使うにはこんな長い記事を読まないといけないの」とすぐに否
Python高速化 Numba入門 その5 - tkm2261's blog
今回はGPUの数値実験についての記事です。 計算環境 OS: Windows 7 64bit CPU: Intel Core i7-4771 CPU @ 3.50GHz GPU: NVIDIA GeForce GTX 650 MEM: 32GB 我が家の計算マシンです。 これをWindowsで構成しているのは、もったいない気がしていますが、 LinuxにGPU載せても用途が限られすぎるので妥協です。 環境構築 ここまで、特に環境構築について触れて来ませんでしたがGPUを使うと苦労したので少し書きます。 結論としては、『Anacondaを入れましょう！』が最善手のようです。 Download Anaconda Python Distribution Win機64bitで環境を揃えるのはかなりめんどくさいです。というか頑張ったんですが エラーが直らず断念しました GPU使わないなら、Gohlk
wheelのありがたさとAnacondaへの要望 - YAMAGUCHI::weblog
はじめに こんにちは、Python界のラファエル・ナダルです。全豪オープンテニス、盛り上がりましたね。さて、先日次のようなエントリーを立て続けに書いたんですが、「なぜAnacondaに関しての記述がないのか」という突っ込みをもらったので、参照用にメモを残しておきます。 Pythonの仮想環境構築 2017.01版 - YAMAGUCHI::weblog Pythonの環境設定でむかついてる人はとりあえずこれをコピペで実行してください 2017.01 - YAMAGUCHI::weblog なおこの記事の作成にあたっては @aodag に数多くのアドバイスをいただきました。この場を借りて感謝。 TL;DR condaの開発者はPyPAともっとコミュニケーションとってほしい。 前提 この記事はPythonを触り始めたばかりだけど、パッケージ管理ツール等々のスタンダードがどのようになっているかな
Anaconda & NumbaPro 使ってみた
PyCUDA - CUDA C以外の開発環境 長岡技術科学大学2015年度GPGPU講習会（2015年11月25日実施） 開発および講義には長岡技術科学大学のGPU搭載ラップトップPC（GROUSE2）を利用しています。 開発環境 Dell Precision M4600 CPU Intel Core i7 2.7GHz メモリ 32GB GPU NVIDIA Quadro 2000M CUDA 6.5 Visual Studio Community 2013 Python 3.4 GPGPU講習会 ・PyCUDA http://www.slideshare.net/ssuserf87701/gpgpu-seminar-pycuda ・CUDA Fortranによる格子ボルツマン法の高速化 http://www.slideshare.net/ssuserf87701/gpgpu-semin
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
【Th778】คาสิโนออนไลน์ที่น่าเชื่อถือและน่าเชื่อถือที่สุดของประเทศไทย