はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

今更ではありますが、今年のPythonキーワードの中で外すことはできないのではないでしょうか？ というわけで今年を振り返ってお世話になったDeepLearning系Pythonライブラリを紹介したいと思います。 Keras chainer, tensorflow, mxnetなどいろいろなフレームワークが出てますが、単純にGithubのスター数でみると次の順で人気なようです。(12月25日現在) tensorflow(40959) keras(10509) mxnet(7288) chainer(1910) tensorflow大人気なのが分かりますね。kerasはコード行数が少なくて済むので好きなのですが、tensorflow-slimなども出てきて、今後もtensorflowベースでより簡単に書けるライブラリが出てきそうです。 keras-rl kerasを使ったDeep Reinfo

import os import json import datetime import random import time from gevent import pywsgi from geventwebsocket.handler import WebSocketHandler from flask import Flask, request, render_template app = Flask(__name__) @app.route('/') def index(): return render_template('index.html') @app.route('/publish') def publish(): if request.environ.get('wsgi.websocket'): ws = request.environ['wsgi.websocket']

CMA-ES 前回および前々回に続いてPythonの進化計算ライブラリDeapの紹介の続きをやります。今回はCMA-ESを見ていきます。 まず最初に、CMA-ESがどういったものかを解説したいと思います。CMA-ESは Covariance Matrix Adaptation Evolution Strategy の略で非線形/不連続関数の最適化計算です。簡単に説明すると、探索個体群の生成を多変量正規分布を用いて行い、個体群の評価から多変量正規分布の平均と分散共分散行列を更新させていくという方法です。 今、探索空間が$n$次元で$k$ステップ目の$\lambda(>1)$個の個体群生成を行うとした場合、以下の多変量正規分布から解候補$x_i \in {\bf R}^n(i=1,...,\lambda)$が生成されます。

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

LeapMotionという小型のジェスチャ操作デバイスを買って、pythonで動かしてみました。 私の環境がubuntu12.04なので、それ用のSDKをdeveloperサイトから取得してきます。(ユーザ登録が必要です) ダウンロードしたファイルを解凍すると中にLeapSDKというフォルダがあるのでその中のlibに入っている以下のファイルがpythonで動かすのに必要なファイルになります。 Leap.py libLeap.so LeapPython.so 3次元表示にはVPythonというモジュールを使いました。 以下が今回作成した簡易ビューアです。 # !/usr/bin/python # coding:utf-8 from visual import * import Leap scene = display(title='Leap Motion Example', x = 0, y

DEAP概要 Pythonで使える遺伝的アルゴリズムライブラリDeapを紹介したいと思います。 Pythonの遺伝的アルゴリズムライブラリは他にもPyevolveというのがあるのですが、Deapの方が開発が盛んらしいので、こちらを使ってみたいと思います。 以下がDeapで使用できる主なアルゴリズムおよび機能です。 GA 遺伝的アルゴリズム GP 遺伝的プログラミング ES 進化戦略(CMA-ESなど) 多目的最適化(NSGA-II, SPEA-II) Co-evolution 並列化 個体の中の優等生の保持 定期的なチェックポイント ベンチマーク 進化の系図 Particle Swarm Optimization, Differential Evolution, Estimation of Distribution Algorithm Example 今回はGAのExampleを解説してい