主成分分析で「九条カレンのポーズ」から正規直交基底を検出する - Qiita
with Image.open("karen.jpg") as img: img = img.resize((img.width//2, img.height//2), Image.BICUBIC) # 1/2にリサイズ（メモリ対策） original = np.asarray(img, np.float32) / 255.0 # [0, 1]のNumpy配列に 後で使うのでNumpy配列としても保持しておきましょう。 2. エッジ検出 最終的にはこの画像を0,1に変換したいのです（二値化）。これは画像の内容にもよりますが、アニメ画像の場合は軸を求める際に、塗りつぶされた領域よりも輪郭線を見てほしいので、エッジ検出を行ってみました。特徴量を抽出しているイメージです。エッジ検出の前には一度グレースケール化をします。エッジ検出はPILの場合はImageFilter.FIND_EDGESでできま
NumpyやPyTorchで使える超便利ツールを作った - シバニャンだニャン！
この記事は，CAMPHOR- Advent Calendar 2018の7日目の記事です． この記事は，NumPyやPyTorchなどの開発に使える「shape_commentator」という便利ツールを使った話です．このツールはpipでインストールできるので，サクッと試してみたい方はGitHubのページに飛んで使ってみてください． 加筆修正(2019/12/12) IPython拡張を追加したことでIPythonやJupyterNotebookでの使い心地が良くなったので，IPythonの例の部分を中心に一部修正しました． はじめに こんにちは．シバニャンです．最近は卒論で画像系の研究をしています． 卒業研究ではNumPyやPyTorchを使ってコーディングしているんですが，今までUnityのコードをC#で書いてVisual Studioのコード補完のぬるま湯に浸かってきた僕とっては，型
2.2. Numpy の先進的な機能 — Scipy lecture notes
2.2. Numpy の先進的な機能¶ 著者: Pauli Virtanen Numpy は Python による科学技術計算ツールスタックの基本で、メモリブロック内のたくさんの要素の効率的な操作を実装するために利用されます。その詳細を知ることで、柔軟性を活かして効率的に利用し、便利に近道することができます。 この節で扱う内容: Numpy 配列の詳細とその成果物、Tips や工夫。 ユニバーサル関数: どんなもので、なぜあるのか、そして新しく欲しくなったときにどうすればいいか。 他のツールとの統合: Numpy はいくつかの方法で ndarray の中の任意のデータを不要なコピーなしに、ラップすることができます。 最近追加された機能とそれが何をもたらすか: PEP 3118 buffers, generalised ufuncs, ...
Numpy, Scipy, MATLABの便利関数を実装したC++の行列演算ライブラリnumpycpp - MyEnigma
自動車業界MBDエンジニアのためのSimulink入門-4週間で学ぶSimulink実践トレーニング- (MBD Lab Series)posted with カエレバ久保孝行 TechShare 2012-11-19 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 はじめに 関数(APIs) reshape isdiag vstack hstack kron block_diag 参考資料 MyEnigma Supporters はじめに PythonのNumpyやScipy、 またはMATLABなどを使って、 プロトタイプを作成し、 そのシステムをC++に移植しようとすると、 C++の行列演算ライブラリEigenの関数(API)の少なさに 悲しくなることがあります。(NumpyやMATLABがすごいだけなのですが...) Eigen そこで、NumpyやSci
「機械学習・ディープラーニングでPythonを使う嬉しさとツラミを分かちあう会」の感想を語る - bonotakeの日記
もう2週間経つんですけど、こんなイベントを企画・司会をしました。というので今更感想ブログ。 mlxse.connpass.com 経緯というか元々の開催目的は以前の記事にあるとおりで、 プログラミング言語に関する国内学会 PPL2018 前に、現状この分野で覇権取ってるPythonを肴に「機械学習・ディープラーニングのための言語」の問題点や在るべき姿、を探っていこうという会です。 3人の発表＋みんなで議論、というスタイルを取ったのですが、発表お願いした3人が3人とも「やりづらい」とこぼす、企画した者としては大変心苦しい状態ではあったものの、発表・議論はどれも興味深く、大変面白い会になりました。ありがとうございました。 発表1つめ：『行列演算とPythonの言語デザイン』 まずは python.jp 管理人の石本敦夫（@atsuoishimoto）さん。 Pythonがどうしてデータサイエン
カルマンフィルタのコード比較【numpy, pytorch, eager】 - HELLO CYBERNETICS
はじめに コード比較 numpy pytorch TensorFlow eager execution 速度と結果の比較 結果 第二回戦 結果 はじめに 最近わたしはTensorFlowにボコボコにされています。 計算グラフを書いて、sess.runするまでは何が起こるかわからない！何かが起こっても何が起こっているかは分からない！ そんな状態から、TensorFlow eager executionの登場で解放された！……かに思えました。 今回は下記のTensorFlowとnumpyによるカルマンフィルタの実装例に見て、 これがTensorFlow eager executionでどれくらい楽になるかを試してみました（やる前からそれほど楽ではないことは分かっていた）。 カルマンフィルタといえば理論は非常に難解ですが、実装は意外と楽チンで、実用上非常に優れた予測モデル（と言っていいかは微妙で
101 Numpy Exercises for Data Analysis
Comprehensive Learning Paths 150+ Hours of Videos Complete Access to Jupyter notebooks, Datasets, References.
Numpyで行列の平均，和，標準偏差などを求める。+ 行列の要素の操作 - Qiita
Numpyの行列形式でデータをもらって誤差等の解析をすることを考える。 関連する関数 それぞれ，和，平均，標準偏差を計算可能。 sum()，average()，std() このままだと全要素に対して適用してしまうので， 引数にaxis=0と指定することで行方向，axis=1とすれば列方向ごとに使われる。 以下のコードを順番に実行すればわかる。 import numpy as np R = np.random.rand(5,2) np.average(R) #0.45752755837863368 np.average(R,axis=1) #array([ 0.48461893, 0.649105 , 0.47275633, 0.60002684, 0.08113069]) np.average(R,axis=0) #array([ 0.53748554, 0.37756958]) 地味な注
PRMLのアルゴリズムをPython(ほぼNumpyだけ)で実装 - Qiita
自分の勉強（機械学習のアルゴリズムやPythonの勉強）のためにPRMLに掲載されている手法をPythonで実装していきます。 原則としては、アルゴリズムの部分ではPythonの標準ライブラリに加えてNumpyだけ使用可能としていきます。scikit-learnやtensorflowなどの機械学習パッケージは使いません。matplotlibなどの結果を図示するパッケージはアルゴリズムの実装と関係がない限りは使っていきます。また、必要になったらscipyなどの他のパッケージもたまに使っていきます（すでにディガンマ関数などに使用）。ただし、最適化ツール（例えばscipy.optimizeやtensorflowの自動微分機能）などの実装を著しく簡単にするものは使いません。 基本的には、章ごとに一つの手法を実装していきます。一通り終われば二周目に入るかもしれません。自分の勉強のためのものなので、な
ブロードキャスト — 機械学習の Python との出会い
ブロードキャスト¶ それでは，いよいよ本題のブロードキャストの説明に移ります． ブロードキャストとは， ndim や shape が異なる入力配列の間で，これらの属性を自動的に統一する機能です． ndim と shape を統一することで，それらの入力配列間で要素ごとの演算が可能になり，その次元数と大きさが統一された出力配列に演算結果を得ることができます． この機能により，例えば，次元数や大きさの異なる配列 a ， b ，および c があったとき，これらの配列の要素ごとの和を，明示的に変換を指示しなくても a + b + c のように簡潔な形で書けるようになります． 公式サイトのブロードキャストの規則 は次のとおりです． 次元数 ndim が最大の入力配列より次元数 ndim が小さい全ての入力配列は， shape の先頭に 1 を加えて次元数を統一する． 出力配列の shape の各次元
numpyだけでCNN実装 - Qiita
はじめに pythonでCNNを実装しました． 深層学習ライブラリは使用せず，numpyだけで実装しました． 教科書として『深層学習』を使いました． 本記事の構成 はじめに CNN 畳込み層 プーリング層 学習 重みの更新 誤差逆伝播 pythonでの実装 畳込み層の実装 プーリング層の実装 MNISTデータセットでの実験 学習 結果 おわりに CNNとは，畳込み演算を用いた順伝播型ネットワークであり，主に画像認識に応用されています． 一般的なニューラルネットワークは，隣接層のユニットが全結合されたものですが， CNNは，隣接層間の特定のユニットのみが結合した特別な層を持ちます． これらの特殊な層では，畳込み および プーリング という演算を行います． 以下では，畳込みとプーリングについて説明します． 畳込み層 畳込みは，画像にフィルタの対応する画素同士の積をとり，その総和をとる演算です．
mkl numpyのインストール方法 - Qiita
Intel製の高性能行列ライブラリ、Math Kernel Library (mkl)がフリーで公開されるようになりました。これをnumpyから使えるようにする方法を解説します。対象はLinuxです（自分はUbuntu 14.04）。 MKLのインストール 以下のサイトの、”click here now to register and download” をクリック。 https://software.intel.com/en-us/articles/free_mkl 名前、メールアドレス、会社名などを入力。レジストレーションのメールが来るので、そこをたどるとダウンロードできる。Mac版はない。およそ1GBある。インストール時に必要な、レジストレーションキーがあるのでメモっておく。 自分がダウンロードしたのは、l_mkl_11.3.0.109.tgz ダウンロードしたファイルを展開。中にi
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
Erik Meijer on Twitter: "Deep inside every NumPy clone in a statically type language hides an elegant type system and language design scream… https://t.co/lJardVlnWe"
Scipy Lecture Notes — Scipy lecture notes
NumPy style arrays for C++?
Is there a NumPy-like library for C++?
numpy, python and regex tutorial
GitHub - rougier/numpy-100: 100 numpy exercises (with solutions)
NumPy vs Common Lisp - Qiita
GitHub - owlbarn/owl: Owl - OCaml Scientific Computing @ http://ocaml.xyz
