「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
Pythonの数値計算ライブラリ NumPy入門
Scientific Computing Tools For Python — Numpy NumPy は Pythonプログラミング言語の拡張モジュールであり、大規模な多次元配列や行列のサポート、これらを操作するための大規模な高水準の数学関数ライブラリを提供する。(via Wikipedia) これまで知識があいまいだったNumPyについて、もう一度おさらいしたいと思います。NumPyはSciPyと併せて科学技術計算でよく利用されています。また、高速に行列演算ができるのでOpenCV(コンピュータビジョンライブラリ)でもNumPyを利用したPythonインタフェースが提供されるようになりました。 OpenCVのPythonバインディングについては去年のエントリーでも取り上げていますので参考までに。 * さくらVPSにOpenCVをインストールしてPythonから使う [2017/04/2
How to implement a neural network: Part 1 | Peter's Notes
This page is the first part of this introduction on how to implement a neural network from scratch with Python and NumPy. This first part will illustrate the concept of gradient descent illustrated on a very simple linear regression model. The linear regression model will be approached as a minimal regression neural network. The model will be optimized using gradient descent, for which the gradien
Pythonで数値計算のコツ：for文書いたら負けかなと思っている – はむかず！
転職してから1年とちょっとが経ち、Pythonをメイン言語としてからも同じくらいが経った。最近やっとnumpy/scipyの使い方のコツがわかってきたと思うので、マサカリ飛んでくるのを覚悟でなんか書いてみようと思う。 転職して初めてPythonを使ったというわけではない（実際wafのwscriptとかは書いたことある）が、まあでもほぼ初心者同然だった。学習曲線でいうとPythonはすごく良い言語だと思う。Python本体の言語仕様については、わりとすぐに覚えることができた。だが一方、numpy/scipyについては、そう簡単ではなく習得するにはそれなりに時間がかかったと思う。 ケーススタディ たとえば\(N\times M\)行列\(B\), \( M\times L \)行列\( C \), \( M \)次元ベクトル\(a=(a_k)_{1\leq k \leq M}\)が与えられて
Numpyで取り扱う画像をダウンサンプリングする際のスマートな記述方法 - Qiita
# -*- coding: utf-8 -*- import time import numpy from scipy import misc import matplotlib.pyplot as plt def main(): # Lenaの輝度分布が格納された配列 lena = misc.lena() print "size of image:", lena.shape print lena plt.imshow(lena) plt.show() #lena[::2, ::2] = lena[0:511:2,0:511:2] # 行、列ともに0~511の範囲内で0を始まりとして２つ刻みに要素を参照する 0,2,4,...,508,510 #lena[1::2, ::2] = lena[1:511:2,0:511:2] # 行、列ともに1~511の範囲内で1を始まりとして２つ刻みで要素
C++でPythonを拡張するためのBoost.NumPyチュートリアル(実践編) - Qiita
C++ Advent Calender 10日目の記事です。 Boost 1.63でBoost.NumPyがBoost.Pythonにマージされます。 それに伴い以下の記述では不具合があるかもしれません。修正記事を書く予定です。 動機 Pythonまじ便利です。 シミュレーションとその結果の解析がメインとなるアカデミア(見習い)である私には、 対話的にデータの加工、解析、可視化がシームレスに実行できるIPython Notebookは必須です。 残念ならがC++だけで同等の機能を提供してくれる環境はありません(たぶん)。 CERNが作ってるROOTのclingはC++を対話的に実行できるそうですが情報が少なくて使ったことありません。 だれかC++で文芸的プログラミングできるIC++ Notebook作ってください（切実）。 しかしながらシミュレーション自体は数日から数週間実行するもので、
IPython を設定してみた - @kei10in の日記
IPython が Python 3.1 以降に対応していたのでインストールと設定をしてみた． やったのは インストール． プロンプトの設定． ipython 起動時に実行されるスクリプトの設定． インストール IPython は pip でインストールした． % pip-3.2 install ipython % pip-3.2 install readlinereadline を入れていなかったせいでプロンプトが崩れていたので readline を追加でインストールした． Windows の場合は readline ではなくて pyreadline をインストールするみたい． IPython の設定 - profile の作成 IPython の設定は profile という形でディレクトリ単位で管理されてる． コマンドで profile を作ることができるので，とりあえずコマンドで作
OS X Mountain Lion 環境にmatplotlibをインストールする - setoya-blog
matplotlibをインストールするときに、freetypeとlibpngがないとエラーがでるので、先にインストールしておく。 エラーは、Matplotlib install failure on Mac OSX 10.8 Mountain Lion - Stack Overflowに載っているのと同じ。 $ brew install freetype $ brew install libpng matplotlibをpipでインストール、アップデートなどしたいので、まだインストールしていなければpipをインストールしておく。 $ sudo easy_install pip ついでにipythonも入っていなければインストールしておく $ sudo pip install ipython ipythonを使うときに便利なreadlineも入れておく。 これは、pipではインストールできな
homebrewでnumpy/matplotlabのインストール - Loud Minority
以下を参照．パーミッションエラーが起きるけど，無視して進んでOK．パーミッションを正しく(?)設定していると，brew linkをしてくださいと言われるので，従う． http://www.thisisthegreenroom.com/2011/installing-python-numpy-scipy-matplotlib-and-ipython-on-lion/ Homebrewのインストール /usr/bin/ruby -e "$(curl -fsSL https://raw.github.com/gist/323731)" Pathの設定： export PATH=/usr/local/bin:$PATH Pythonのインストール brew install git brew install readline sqlite gdbm pkg-config brew install p
私訳「暫定的 NumPy チュートリアル」 - naoya_t@hatenablog
# 原文：http://www.scipy.org/Tentative_NumPy_Tutorial このチュートリアルを読む前に、Pythonについてちょっとは知っているべきだ。記憶をリフレッシュしたいと思うなら、Pythonチュートリアルを見てくるがいい。 このチュートリアルに出てくる例を試したいなら、あなたのPCに少なくとも Python NumPy はインストールされているべきで、他に入ってると便利なのは： ipython は拡張されたインタラクティブなPythonシェルで、NumPyの機能を探検するのにとても便利 matplotlib があると図表の描画が可能になる SciPy はNumPyの上で動く科学計算ルーチンを沢山用意してくれる 基礎 NumPy の主要なオブジェクトは、同じ型（普通は数）の要素のみから成り、正の整数のタプルで添字付けされた、均質なテーブル（というか多次元
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
Python で、複数のリスト型オブジェクトの要素同士の演算をする場合は、zip を用いた ループ や リスト内包表記 よりも、np.array オブジェクトに変換したものどうしを１行コマンドで演算（Numpyのベクトル演算）して、結果をリスト型に型変換するのが劇的に早い - Qiita
http://djakarta-trap.net/blog/2013/06/07/install_matplotlib/
homebrew python python2 numpy - Google 検索
Python for Data Analysis を買ったのでNumpy・Scipy・pandasをインストールした - PASL
Blog | Enthought, Inc.
Kernel K-means.
themodernscientist
QR decomposition with numpy
python 科学技術計算 - Google 検索