TensorFlow on Raspberry Pi3 - QiitaDeleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
Docker + TensorFlow + matplotlibでグラフを表示させる - Qiita
はじめに TensorFlowの利用はDockerを使うと簡単です。 TensorFlowのDocker公式イメージにはmatplotlibがインストールされているのですが、そのままではpyplot.show()などが使えません。 要するにデフォルトではGUIが表示できません。 そこで今回はTensorFlow + Docker + matplotlibでGUIを利用可能にします。 また、今回はホストOSがwindowsであるという前提で進めます。 なお、今回の内容はGitHubで公開しているスライドの内容に基づいています。 Dockerのインストール Dockerのインストールについてはここを参照してください。 MobaXtermのインストール MobaXtermはWindowsで動作するターミナルです。 このMobaXtermはX11フォワーディング機能を標準機能として備えています。
TensorFlow 1.2.0の主な変更点
はじめに TensorFlow 1.2.0がリリースされました。 https://github.com/tensorflow/tensorflow/releases リリースノートに載っていた変更点を以下にメモりました。憶測で書いているところもあるので、ツッコミは大歓迎です。 Windows上でのPython3.6のサポート spatio temporal deconvolutionのためのtf.layers.conv3d_transposeレイヤの追加 コメント：3次元MRI画像のようなデータをさばくためのレイヤだと理解 前のTFには2次元の畳込みしかなかった記憶がある tf.Session.make_callable()の追加 オーバーヘッドが削減されるとのこと contrib向けにibverbsベースのリモートダイレクトメモリアクセス（RDMA）を追加 RDMAやInfiniBand
初めてのTensorFlow（改訂版）- 線形回帰とロジスティック回帰 - Qiita
以前書いた記事 初めてのTensorFlow - イントロダクションとしての線形回帰 は，TensorFlow が公開された直後のタイミングに執筆したこともあり，私の記事の中でも"いいね"をつけてもらえる記事となっている．ただ約一年半前の記事なので，TensorFlowのバージョンupを考慮し，記事を改訂したいと考えた．内容は，前記事を踏襲し，線形回帰とロジスティック回帰とする． （プログラミング環境は，以下になります．2017/5/29時点．） Python 3.5.2 TensorFlow 1.1.0 Numpy 1.11.3 Scikit-learn 0.18.1 Linear Regression（線形回帰） 前の版の「初めての...」では，"Theano" のTutorial，Newmu/Theano-Tutorials - GitHub を紹介し，これを TensorFlow
pandas, seaborn による可視化メモ - Qiita
データセットの可視化 iris.csvをサンプルのデータセットとして，pandas, seabornで可視化の練習をした際のメモ．あくまで自分用メモなので図の種類やカラムの選び方など恣意的な箇所があると思いますが，ご了承ください_(..) データ： https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv ヒストグラムの描画 iris.csvは，４つのカラムと１つのカテゴリ値 sepal_length, sepal_width, petal_length, peta_width と species から成る． カテゴリ値であるspeciesの分類を念頭においた可視化をする． まずは1つのカラムについて，分布を確認する． ・sepal_lengthの分布
matplotlibをインストールして実行するまで - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? matplotlibをインストールしてグラフの描画を行おうとした際に予想以上に詰まったので、メモ。 環境 自機：Yosemite 10.10.3 python: 2.6.6 error一覧 install時にfreetypeがbuild出来ない ライブラリのImportError 実行時のRuntimeError グラフが一瞬で閉じてしまう（エラーではない） 1. pipでのインストール時のエラーと対処法 pip install matplotlibでインストールを行うと ================================
d3.js + jsdomで国土地理院のベクトルタイルからSVGファイルを生成 - Qiita
var d3 = Object.assign({}, require("d3"), require("d3-tile")); var jsdom = require("jsdom").jsdom; var pi = Math.PI; var tau = 2 * pi; var zoom = { view: 13.5, tile: 16 }; var center = [139.737682,35.686930]; var width = 1200; var height = 480; var mag = Math.pow(2, zoom.tile - zoom.view); var projection = d3.geoMercator() .center(center) .scale(256 * Math.pow(2, zoom.view) / tau) .translate([widt
KerasのLSTM model.predictを解読した話 - Qiita
概要 KerasやTensorflowを使用してニューラルネットワークの重みを計算したものの、それをどうやって実アプリケーション（iPhoneアプリとか、Androidアプリとか、Javascriptとか）に使えば良いのかって、意外と難しい。 単純なニューラルネットワークとなれば、単純で良いのだが、今回LSTMで学習した重みを使用する必要があったので、KerasのLSTMのPredictの内容を解読した。 学習済みの重みはmodel.get_weights()で取ってこれるが、こいつに関する情報がググっても全く出てこない。 結局、コードを書いて、ごちゃごちゃ手当たり次第に試していった結果、model.get_weights()で取ってくる重みは、 1つ目(インデックス0)：LSTMの入力層の入力に対する重み、入力ゲートの重み、出力ゲートの重み、忘却ゲートの重み 2つ目(インデックス1)：隠
dplyrでdoして楽をする - Qiita
熱狂的なHadley Wickhamファンな私ですが、最近、Hadleyのあゆみについていけていない感があります。 **{purrr}だの、{multidplyr}**だの次々と新しいパッケージが登場したり、やっとの事で1.0.0メジャーバージョンになった **{ggplot2}**の次期マイナーバージョンである1.1.0の開発がGitHubで始まったりと、ちょっと待ってくれよ、と戸惑いを感じる今日この頃です。というわけで新しい（わけでもないけど）関数の使い方を覚えようという心構えです。 今日はみんな大好き **{dplyr}から、便利なdo()関数の使い方を紹介します。do()関数は、はじめは意味がわからなすぎて辛いですが、{ggplot2}**のように使い方がわかれば大変便利な関数です。 まずは必要なパッケージを読み込みます。{dplyr}が今回の主ですが、後半に{broom}、**{
学会発表のためのggplot2の設定めも - Qiita
気がつけばもう何ヶ月も前の話ですが、学会発表のためにポスターに使う図の設定に戸惑ったのでめもです。なお作図ファイルの形式はpdfで、R Markdownによる自動作図です（png形式だとサイズを変更する際に粗くなってしまうので）。ここに貼り付けている画像はPDFをpng形式に変換したものです。 完成形はこんな感じ。 GitHubリポジトリにPDFファイルがありますので興味があればどうぞ。これからの作図はirisデータでやっていますが、データが違うだけでやった方法は同じです。 まず、通常のggplot2でのプロットを見てみましょう。このままでも良いのですが、ggplot2は各種の変更も簡単なので、好みの図となるようにあれこれ変えていきます。
ggplot2に関する資料まとめ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? そろそろワンストップなまとめ記事があってもいいはずと思ったので、個人的なメモとしてまとめました。 2016/06/10追記: 資料1件追加 2016/03/15追記: ggplot2 v2向けに一部修正 ggplot2のイメージをつかもう まずはこのggplot2がどういうものなのかをつかみましょう。 ggplot2の完全な初心者向け ggplot2に初めて触れるという方は、まずこのスライドを一読されるのをオススメします: ggplot2によるグラフ化@HijiyamaR#2 ※Slideshareリンク ggplot2を理解するために
ggplot2で2軸プロットをする - Qiita
2軸プロットが欲しくなるとき y軸が左右にあるいわゆる2軸プロットはExcelなんかでは簡単に作れるがggplot2では簡単には作れない。 つまりそもそもそんなもん作るなという話だが、欲しくなる場面はある。 例として気温(℃)と相対湿度(%)と飽差(Pa)をプロットする場合を挙げよう。飽差は気温と相対湿度から算出できる数値で、「乾きやすさ」の指標と考えてもらえればいい。 日常的な環境では、3つの変数のうち相対湿度が最も大きく変動するので、これらを1枚に収めると相対湿度の変動だけが目立ってしまう。したがって、相対湿度だけ第2軸に移してなんとかしたい、という動機が生ずる。 使用データ 上述の気温、相対湿度、飽差をプロットする例を想定し、次のように作成した。 ## function ---- svp <- function(t){ # 飽和水蒸気圧計算 Alduchov and Eskridge
pythonで作るサンプルデータ - Qiita
a = np.arange(n).reshape(4, -1); a # 5列の行列 array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24], [25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49], [50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74], [75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87,
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
ggplot2で点や線の色のマッピングを自分で決める - Qiita
無から始めるKeras - Qiita
d3.js Force Simulation の世界 - Qiita
TensorFlowを中心とした機械学習環境をUbuntuで構築 - Qiita
RubyでTensorFlowを使う with PyCall - Qiita
ggplot2で、複数の時系列を一枚にプロット - Qiita
ggplot2でplot()的な複数グラフ表示とその闇 - Qiita
