ERROR: Could not find a version that satisfies the requirement TensorFlow (from versions: none) ERROR: No matching distribution found for TensorFlow 4.解決方法 pipのアップデートなども行いましたが,問題解決せず. ならば,と以下のページからwhlファイルをダウンロードし,ローカルからpip installしようと思いましたがやはりダメ. なぜ?と色々調べてみましたがドツボにハマるばかり. で,いろいろ調べてみると,リリースされたばかりのPythonバージョンだとtensorflowが対応していないことがあるとのこと.実際,Python v3.7が最新だった時には「tensorflowはPython3.6じゃないと動かないよ!」という注意書
はじめに 自分への備忘録も兼ねて、matplotlibでの等高線描写の基本をまとめてみます・・・ 等高線の基本 等高線描写は「meshgridしてcontour」 まず等高線を描くにあたって必要なものを洗い出しましょう。 等高線を描くには基本的に以下の2つが必要になります。 等高線を書くために必要なもの 格子点 格子点における高さ なので、まず格子点を作ります。 格子点を作る 格子点を作るにはnumpy.meshgridを用います。 例えば、次のような15個の格子点を作りたいとします。 この場合、次のコードで格子点が作れます。 import numpy as np # X座標 x = np.arange(3) # array([0, 1, 2]) # Y座標 y = np.arange(5) # array([0, 1, 2, 3, 4]) # 格子点作成 xx, yy = np.mesh
NumPyの関数np.tile()を使うと配列ndarrayを任意のタイル状に繰り返し並べた新たなndarrayを生成できる。 numpy.tile — NumPy v1.15 Manual ここでは以下の内容について説明する。 np.tile()の基本的な使い方 二次元配列(多次元配列)の場合 画像処理への応用(タイル状に繰り返し並べる)
NumPyで初期化されていない空の配列ndarrayを生成する方法を説明する。 任意の形状shapeとデータ型dtypeを指定するnp.empty()と、既存の配列ndarrayと同じ形状・データ型の配列を生成するnp.empty_like()がある。 ここでの「空の配列」は「初期化されていない配列」の意味。確保されたメモリの値がそのまま読み込まれるので、生成される配列の要素の値は不定。np.empty()やnp.empty_like()で必要なサイズを確保し、その後で値を代入していく、という使い方になる。 要素数0の配列については最後に述べる。 全要素を0や1、任意の値で初期化して配列を生成する方法については以下の記事を参照。 関連記事: NumPy配列ndarrayを初期化(zeros, ones, fullなど) 本記事のサンプルコードのNumPyのバージョンは以下の通り。バージョン
NumPyですべての要素を同じ値で初期化した配列ndarrayを生成する方法は以下の通り。 形状(行数・列数など)shape、型dtypeを引数で指定して生成する方法。 numpy.zeros(): 0で初期化(ゼロ埋め) numpy.ones(): 1で初期化 numpy.full(): 任意の値で初期化 既存の配列と同じ形状shape、型dtypeで生成する方法(異なる型を指定することも可能)。 numpy.zeros_like(): 0で初期化(ゼロ埋め) numpy.ones_like(): 1で初期化 numpy.full_like(): 任意の値で初期化 新たな配列を生成するのではなく既存の配列の全要素の値を任意の値に置き換えることもできる。 既存の配列の全要素の値を任意の値に置き換え それぞれについてサンプルコードとともに説明する。 空の配列を生成する方法は以下の記事を参照。
空リストを作成 空のリスト(要素数ゼロのリスト)は以下のように作成する。リストの要素数(長さ)は組み込み関数len()で取得できる。 関連記事: Pythonでリストのサイズ(要素数)を取得
Pythonで数値計算を行なうためのライブラリであるNumPyでは、多次元配列を基本的なデータ構造として操作します。この独自のデータ構造を「ndarray」といい、知っておくことでデータ処理の際に高速化や省メモリ化したコードを書けるようになります。今回は『現場で使える!NumPyデータ処理入門』(翔泳社)からndarrayの基礎を紹介します。 本記事は『現場で使える!NumPyデータ処理入門 機械学習・データサイエンスで役立つ高速処理手法』の一部を抜粋し、掲載にあたって編集したものです。 NumPyとは NumPyは、Numerical Pythonの略称で、Pythonの数値計算のためのライブラリです。高速に数値計算ができることが特徴です。 NumPyで使われる主なクラスはnp.ndarrayと呼ばれる多次元を扱う配列です。NumPy配列は、公式ドキュメントでは単に配列と称されることが多
タイトルは適当です。そしてパーマリンクからroomが抜けました。 今回は初学者にとってわかりづらい イテレータ(iterator), ジェネレータ(generator) などの概念について簡単に解説しようと思います。 適切なデータ構造を選択するのはプログラマの必須スキルだとばっちゃが言ってたのでぜひマスターしておきましょう。 想定する読者のレベルは初中級者です。 ジェネレータのあたりは少し難しいかも。 なんで初学者にとっての記事なのに初中級者向けなんでしょう。私にも訳が分かりません。 ちょっとずつ読み進めてください.. 本題に入る前に用語について簡単に解説していきます。 info対象とするPythonのバージョンは2.7以上(もちろん3.0以上も含む)です。イテラブルイテレーション可能な構造を イテラブル(iterable) といいます。 ではイテレーションとは何かと言われれば 繰り返すこ
スクリプトで確認・表示: __version__属性 Pythonのスクリプト内で使用されているパッケージのバージョンを確認・表示するには、__version__属性を取得する。 pandasの例。 __version__属性はPEPで推奨されており、多くのパッケージおよびモジュールで設定されている。 PEP 396 – Module Version Numbers | peps.python.org PEP 8 – Style Guide for Python Code | peps.python.org 有名どころのパッケージではほぼ設定されているが、あくまでも推奨なので設定されていない場合もある。 __version__属性のほかに、より詳細な情報を表示する関数などを用意しているパッケージもある。 関連記事: NumPyのバージョンを確認(np.version) 関連記事: pand
概要 Pythonは2系と3系でそれぞれ互換性がありません. この関係から二つのバージョンのものが出回っています. 仮想環境管理の方法が分かりやすく紹介しているスライドがあったので そのスライドの内容をお借りし,自分がメインで使っているvirtualenvの内容を付け足しました. 詳しく知りたい方は,参考文献を参照してください. pyenv-virtualenvはディレクトリごとに設定でき,vitualenvと違って使用時にactivateする必要がないので一番おすすめです 仮想環境紹介 virtualenv ・同一バージョンのPythonで使用するライブラリを切り替えて使えるようにするツール ・pip でインストールできる ・Windowsでも使える <引用:機械学習名古屋_第7回勉強会_Python環境構築方法.key> ・色々なPythonバージョンを管理するツール ・Python2
最近 JavaScript を書く機会が増えているが、それに従って自分のコーディングスタイルが少しづつだが変化してきているのが分かる。もともと「コードの読みやすさ」や「実行効率」にとことんこだわるタイプだが、(JavaやC++になくて)JavaScriptやRubyにあるクロージャや無名関数が私のコーディングスタイルにとてもマッチしているからだと思う。 簡単な例を紹介しよう。Pythonで書かれた config.py というモジュール。config.yamlという設定ファイルを読み込んで Dictionary として返す config.get() という関数。普通に実装すると、以下のような感じになる。 import yaml _config = None def get(): global _config if not _config: data = open('config.yaml')
This document is for an old version of Python that is no longer supported. You should upgrade and read the Python documentation for the current stable release. The Python Tutorial¶ Python is an easy to learn, powerful programming language. It has efficient high-level data structures and a simple but effective approach to object-oriented programming. Python’s elegant syntax and dynamic typing, toge
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
処理を実行中です
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