LLVMやSwiftを作ったChris LattnerがCEOをやっている会社が、Pythonの使用感とC言語並の性能を併せ持つ言語としてMojoをアナウンスした。 まだ手元で試せる状態でリリースされてはいないが、最大35000倍Pythonより速いという。 Mojo🔥 combines the usability of Python with the performance of C, unlocking unparalleled programmability of AI hardware and extensibility of AI models. Also, it's up to 35000x faster than Python 🤯 and … deploys 🏎 pic.twitter.com/tjT09U4F80— Modular (@Modular_AI) May

For all those Python developers who are wondering: When will Python 4.0 be released?What’s new in Python 4.0?How will we be able to migrate to Python 4.0?Well, let me tell you that Python 4 will probably never arrive. And this is not me saying this, but the creator of the Python programming language himself: Guido Van Rossum. So please, nobody ask about the Python 4.0 release date. The creator of

Pythonで関数の再帰を使った時にたまに以下のようなエラーが出ます "RuntimeError: maximum recursion depth exceeded in cmp" このエラーは再帰の数が深すぎると出るらしいです。 以下の関数を実行すると再帰の最大数を調べることができて、私の環境では1000でした。 import sys sys.getrecursionlimit() 以下のように再帰の最大数を増やせば動くこともある。 大きすぎる数はダメらしい。 sys.setrecursionlimit(適当な大きい数)

こんにちは、得居です。最近は毎晩イカになって戦場を駆けまわっています。 本日、Deep Learning の新しいフレームワークである Chainer を公開しました。 Chainer 公式サイト GitHub – pfnet/chainer Chainer Documentation Chainer は、ニューラルネットを誤差逆伝播法で学習するためのフレームワークです。以下のような特徴を持っています。 Python のライブラリとして提供（要 Python 2.7+） あらゆるニューラルネットの構造に柔軟に対応 動的な計算グラフ構築による直感的なコード GPU をサポートし、複数 GPU をつかった学習も直感的に記述可能 ニューラルネットをどのように書けるか 次のコードは多層パーセプトロンの勾配を計算する例です。 from chainer import FunctionSet, Vari

pylearn2はこのスライドで紹介されていたライブラリ↓ Linuxでのインストール手順はQiitaのこの記事が詳しい↓ http://qiita.com/mizuki0420@github/items/3f9c97b32e8d6e37abad けど、オイラはWindowsでやってやるんだ。 インストールは結構めんどくさくて、ソースコードはGitから落とし、setup.pyはbuild, installではなくdevelopオプションを使う。 Windows環境でのインストールには、他の依存ライブラリとしてnumpy, scipy, setuptools, matplotlib, dateutil, pyparsing, sixが必要。 ここの記事が詳しかった↓ http://mikemoke.hatenablog.com/entry/2014/03/02/210439 この記事だとTh

The Python community should fork Python 2.. “Python 3 is killing Python” is published by Developer Schmeveloper.

実装力を磨くためと学習器への理解を深めるために、パーセプトロンを実装してみた。3時間ぐらいかかった。今のレベルはSVMの赤本に行く前ぐらいのレベル。 コードは以下にある。以下で参考にしたチュートリアルの擬似コードをそのまま実装した。 https://github.com/akkikiki/nlp_tutorial/blob/master/train_perceptron.py 以下のチュートリアルを参考にした。詳しい事はこちらに書いてあるが、概要を述べてみる。 パーセプトロンアルゴリズムと文書分類 ちなみに、自分は昨年の春ぐらいにPRML4章（パーセプトロン含む）を輪読会で発表したのだが、完全に忘れていたうえ、読んだ時も機械学習の全体像（識別関数、生成モデル、識別モデルから成る）が掴めていなかったので、いきなりPRMLを読むのはオススメしない。 今PRML4.1.7節を見たら「すごい、わか

# Python 3: Fibonacci series up to n >>> def fib(n): >>> a, b = 0, 1 >>> while a < n: >>> print(a, end=' ') >>> a, b = b, a+b >>> print() >>> fib(1000) 0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 Functions Defined The core of extensible programming is defining functions. Python allows mandatory and optional arguments, keyword arguments, and even arbitrary argument lists. More about defining f

前回、前々回とそれぞれロジスティック回帰（Logistic Regression）、制約付きボルツマンマシン（Restricted Boltzmann Machine, RBM）を紹介しました。 手法の説明については、各記事を参照してください。 今回は、これら２つを組み合わせて実装されている Deep Belief Nets (DBN) について紹介します。今回のコードは長いので、記事の最後の方に載せています。 DBNは Greedy Layer-Wise Training of Deep Networks [Bengio 2007] で提案されている手法ですが、こちらがDeep Learningのパイオニアと言っても過言ではありません。 DBNは多層ニューラルネットワークの形をしています。従来の研究では、多層にするほど精度が下がるという問題が指摘されていましたが（多層のため誤差の重みが少

Dropboxは、少なくとも人材の引き抜きに関していえば、Googleに大きな勝利を収めたのかもしれない。 クラウドストレージを提供するDropboxは、プログラミング言語「Python」の作者であるGuido Van Rossum氏を採用した。 Dropboxは米国時間12月7日付けのブログ投稿で、このニュースについて認めた。同社の創設者兼最高経営責任者（CEO）であるDrew Houston氏の説明によると、Pythonは同社において主要な役割を果たしてきたという。 Pythonは、簡易性、柔軟性、そして上品さをうまくあわせ持っていることから、数年前からわたしのお気に入りのプログラミング言語になった。Pythonのこのような優れた品質と、あらゆる主要プラットフォームに対応することを目指す同コミュニティーの取り組みにより、われわれはコードを一度作成するだけで、どの環境でもそれを実行するこ

以前 Lua の処理系 LuaJIT が速くて羨ましいという話を書いたが，最近は Python でも JIT コンパイラ PyPy の性能向上が著しいようだ．どれぐらい速いかというと，以前実験した PA-I（機械学習）で LuaJIT での実行速度を上回るぐらい*1．Python はもともとスクリプト言語の中では実行速度が速い方だったが，PyPy の急速な性能向上によって Perl や Ruby といった競合言語に対して（実行速度の点で）差を広げつつあるようだ． そういうわけで，最近スクリプトを Python で書く機会が増えている．Python でコードを書く上でやっかいなのは（まともな）ワンライナーが書けないこと*2と，（処理系のバラつきに起因する）移植性の問題である．前者はどうにもならないので，perl / ruby / sed + awk などで回避することになるが，後者は公開する