import torch x = torch.tensor([1., -1.]) w = torch.tensor([1.0, 0.5], requires_grad=True) loss = -torch.dot(x, w).sigmoid().log() loss.backward() print(loss.item()) print(w.grad)

PyCon JP 2021 登壇資料: https://2021.pycon.jp/time-table/?id=272259
今回は、書籍「続・わかりやすいパターン認識」の13章で紹介されている無限関係モデル(Infinite Relational Model)のギブズサンプリング(MCMC)による推論を、3次元にカスタマイズした3D-IRM(勝手に名前)をPythonで実装します。 モデルと推論方法に関しては、書籍「続・わかりやすいパターン認識」の13章を参考にしています。詳しくはこちらをご参照ください。 続・わかりやすいパターン認識―教師なし学習入門― 作者: 石井健一郎,上田修功 出版社/メーカー: オーム社 発売日: 2014/08/26 メディア: 単行本(ソフトカバー) この商品を含むブログ (2件) を見る 今回のコードを全てgithubに載せています。遊べるようにnotebookもつけてます。githubはこちら Twitterフォローよろしくお願いいたします! twitterはこちら 無限関係モ
Python その2 Advent Calendar 2018 10日目の記事です。 はじめに インストール 使い方 基本 ログレベルの設定 ファイルに出力 ログローテーション フォーマット変更 まとめて設定 おわりに はじめに Pythonでログ出力する際に何を使っていますか、printでしょうか。それともloggingでしょうか。ロギングは奥が深いようで、以下の記事ではloggingの使い方を詳説されています。 ログ出力のための print と import logging はやめてほしい - Qiita logging入門 - Qiita 標準ライブラリのloggingでも良いのですが、今回はより簡単にログ出力が可能なlogzeroというライブラリを紹介したいと思います。 インストール インストールは他のライブラリと同じくpipでできます。 $ pip install logzero
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