NumPy配列のファイル読み書き | hydroculのメモ
NumPy配列のファイル読み書き np.save と np.load 2015/06/10 np.save と np.load はファイルにndarrayを出力したり、ファイルから入力したりできる。ファイルのフォーマットはバイナリで、ファイル名の拡張子にはよく.npyを使う。 1ファイルにndarrayを1つ保存できる。 ndarr1 = np.array([0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]) np.save('test.npy', ndarr1) ndarr2 = np.load('test.npy') print(ndarr2) # 出力結果 # [ 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1. ] numpy.save | NumPy v1.9 Manual http:/
Chainer 1.5のインストールがうまくいかない人への非公式なTips - Qiita
Chainer 1.6以降で、この記事の問題の大部分は解消しました Chainer 1.5で、外部の依存状況が大きく変わりました。その結果、幾つかの要因でインストールが難しくなりました。この記事では、その対策を書きます。 主な原因 Cythonを使うようになりました。ソースの一部は.pyxファイルになり、.cppを生成して.soにビルドしています（1.5.1でcythonize済みの.cppファイルを同梱しています） CUDAやcuDNNなどの共有ライブラリ（.soファイル）もCythonから使うようになりました。今までは、ctypesを使っていました。 h5pyなど、共有ライブラリを必要とするパッケージを利用するようになりました。 順に、何が問題になるのか説明します。 Cythonの利用 Cythonは.pyxで記述したファイルを、.cppに変換（コンパイル）してから、.soファイルを作
pythonで2次元のConvolutionalNeuralNetwork(畳み込みニューラルネット) - めも
内容 python+kerasを使って、MNISTのような白黒画像を分類するCNNを構築。 パラメータを変更すればカラー画像なども対応可能、のはず。 コード # keras import numpy import pandas from keras.models import Sequential from keras.layers import Dense, Dropout, Activation, Flatten from keras.wrappers.scikit_learn import KerasClassifier from sklearn.model_selection import cross_val_score from sklearn.preprocessing import LabelEncoder from sklearn.model_selection impor
FAQ - Keras Documentation
Keras FAQ: Kerasに関するよくある質問 Kerasを引用するには？ KerasをGPUで動かすには？ KerasをマルチGPUで動かすには？ "sample","batch"，"epoch" の意味は？ Keras modelを保存するには？ training lossがtesting lossよりもはるかに大きいのはなぜ？ 中間レイヤーの出力を得るには？ メモリに載らない大きさのデータを扱うには？ validation lossが減らなくなったときに学習を中断するには？ validation splitはどのように実行されますか？ 訓練時にデータはシャッフルされますか？ 各epochのtraining/validationのlossやaccuracyを記録するには？ レイヤーを "freeze" するには？ stateful RNNを利用するには？ Sequentialモデ
Kerasによる畳み込みニューラルネットワークの実装 - 人工知能に関する断創録
前回（2016/11/9）はMNISTの数字認識を多層パーセプトロンで解いたが、今回は畳み込みニューラルネットを使って解いてみた。このタスクもKerasの例題に含まれている。ソースコードを見れば大体何をやっているかつかめそうだけどポイントを少しまとめておく。畳み込みニューラルネットワーク自体の説明は、参考文献に挙げた「ゼロから作るDeep Learning」の7章が非常にわかりやすいのでおすすめ。 ソースコード: mnist.py 4次元テンソルのチャネル位置 畳み込みニューラルネットでは、入力する画像の形状を保つために画像集合を4次元テンソル（4次元配列）、すなわち画像のサンプル数、画像のチャネル数（白黒画像なら1、RGBのカラー画像なら3など）、画像の縦幅、画像の横幅で入力するのが一般的。Kerasでは、4次元テンソルの各次元の位置がimage_dim_orderingによって変わる
使えるねっと株式会社 CEO_ジェイソン・フリッシュさん | ナガラボ ながのシティプロモーション
No.372 フリッシュジェイソンさん 使えるねっと株式会社 代表取締役社長CEO 最新クラウドサービスを 長野から世界へ発信！ 文・写真 合津幸 長野市南県町に本社を構えるクラウドサービスプロバイダの「使えるねっと株式会社」。今回は、同社創業者であり現代表取締役社長CEOのジェイソン・フリッシュさんを訪ねました。個人事業主としてスタートしてから会社設立までの経緯、事業と長野市の相性、未来への展望と課題、長野市での暮らしについてうかがいました。 オーストラリアの小さな田舎町に生まれ育ったというジェイソン・フリッシュさん。「使えるねっと株式会社」でCEO（最高経営責任者）を務めるほか、近年は母国・オーストラリアをはじめ、インドネシアの企業との合併や関係企業でCTO（最高技術責任者）を担うなど、活躍の舞台を広げています。 「ひと口にITやクラウドサービスと言っても、技術の進歩やその浸透・普及の
Hamlを3倍速くした - k0kubun's blog
Hamlコミッターになった RubyKaigi 2015で「Hamlは遅いしメンテされてないので使わない方がいい」と言ったところ、じゃあ自分でメンテして速くしろということになりコミッターになった*1。 当時から2年ごしなのは、当時のHamlのオーナーがあまりアクティブではなく、最近a_matsudaさんがオーナーになったため。 HamlのTemple化・高速化を行った Templeというのは、テンプレートエンジンをパイプライン的に構築するためのフレームワークで、テンプレートエンジン用の中間表現とその最適化エンジンを持つ。実装をTempleベースにすると、SlimやHamlitに使われているような中間表現を使った最適化を適用しやすくなる。 コミット権をもらったので、RubyKaigi 2015でマージされないと言っていたパッチを自分でマージし、コード生成とattributeのコンパイルをTe
古田雄介のネットと人生 第9回：故人の電話番号やメールアドレスはどんな道を辿るのか
電話番号やメールアドレス、サイトのURLなどの個人情報は、その人が亡くなったあとにどんな将来が待っているのでしょうか。電話会社やプロバイダー、レンタルサーバー企業20社に取材しました。 再利用はされている＜5歳の子供が親のスマートフォンをいじっていて、登録してあった電話番号に誤ってかけてしまう。すぐに親が気づいて相手先に謝って電話を切った。が、よくよく通話履歴をみると、その電話番号は5年前に亡くなった叔父の携帯電話のものだった。＞ ……こう書くとなんだか怪談じみますが、実は筆者の体験談です。似た事例はネットで簡単に見つけられますし、それほど珍しいことではないのでしょう。また、サイトのドメイン(URL)を巡るこんなトラブルも過去に報じられたことがあります。 ＜秋田県警が2006年まで使っていたドメイン「akita-kenkei.net」が、第三者に取得され、車庫証明申請代行や中古車販売、廃車
Read-through: Wasserstein GAN
In a world where everyone has opinions, one man...also has opinions Last edited February 26, 2017. I really, really like the Wasserstein GAN paper. I know it’s already gotten a lot of hype, but I feel like it could use more. I also think the theory in the paper scared off a lot of people, which is a bit of a shame. This is my contribution to make the paper more accessible, while hopefully retainin
Rebuild: 176: Garbage Collection Police (naoya)
Naoya Ito さんをゲストに迎えて、ディープワーク、データサイエンス、Python, GC, マネジメント、Google Apps などについて話しました。 Show Notes Deep Work: 大事なことに集中する けものフレンズプロジェクト WEB+DB PRESS Vol.97 私たちはいかにして環状線で”悪さをする列車”を捕まえたか Rebuild: 171: Psychologically Safe Podcast (naoya) scikit-learn: machine learning in Python pandas Matplotlib 優良AIスタートアップの見分け方 Apple Rebuilds Siri Backend Services Using Apache Mesos 集合知プログラミング データサイエンスにおけるRubyの現在の位置づけと可能性
Ubuntu機械翻訳おじさんの騒動を見ていて胸が苦しくなった
まあ、この辺の話 https://togetter.com/li/1084224https://togetter.com/li/1084225http://green-destiny.blog.jp/archives/1013612226.htmlhttp://green-destiny.blog.jp/archives/1064056321.htmlhttps://codezine.jp/author/1233https://github.com/keiichishigahttps://ja.wikipedia.org/wiki/%E5%88%A9%E7%94%A8%E8%80%85:%E5%BF%97%E8%B3%80_%E6%85%B6%E4%B8%80当初はよくあるネットの厄介な人なんだろうぐらいに思って、酷いやつが居たものだぐらいで調べていたのだけど、だんだん胸が苦しくなってきた
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
