requirements.txtを用いた方法 requirements.txtに記載したライブラリを下記コマンドによって、まとめてインストールすることができる。

※Windowsの場合は、Pythonのインストールも必要です。 EXTENSIONSからPythonをインストール VSCode上でPyhonを動かすために拡張機能を追加します。下図にあるEXTENSIONSをクリックします。 EXTENSIONSの中からPythonを探してInstallをクリックします。 venvで仮想環境を構築 適当な場所にフォルダを作成し、VSCodeのFile>Open Folderから開きます。 New Fileをクリックし、Python Fileを選択し、Command+Sでファイルを保存します。 Terminal>New Terminalをクリックします。 Terminalで以下コードを実行し、venvの環境を作成します。二つ目のvenvは仮想環境ターゲットディレクトリのため、任意の名前を設定できます。

誰でも無料でGPUを利用できるAmazon SageMaker Studio Lab(Studio Lab)の始め方の手順を記載していきます。また、GPUでPyTorchを動作させるところまで見ていきます。 Studio Labは、AWSのアカウントは必要ないため、クレジットカードを登録する必要もなく、メールアドレスのみで使用できます。 Amazon SageMaker Studio Lab Amazon SageMaker Studio Labのアカウント作成 Studio Labを始めるためには、まずアカウントを作成する必要があります。下記URLにアクセスし、「Request free account」をクリックします。 SageMaker Studio Lab Request accountでは、入力欄がいくつかありますが、必須項目は「Enter your email」の欄だけですの

Pythonで分散、分散、標準偏差、不偏分散、不偏分散の平方根を算出するには、Numpyのnumpy.var、numpy.stdを用いる。また、SciPyのscipy.stats.tvar、scipy.stats.tstdを用いることでも不偏分散、不偏分散の平方根を算出できる。 numpy.var — NumPy v1.23 Manualnumpy.std — NumPy v1.23 Manualscipy.stats.tvar — SciPy v1.9.3 Manualscipy.stats.tstd — SciPy v1.9.3 Manual numpy.var、numpy.std、scipy.stats.tvar、scipy.stats.tstdの使い方 2次元のndarray配列を生成し確認する。 import numpy as np a = np.array([[6, 8, 3,

PyTorchで共分散行列と相関係数行列を算出するには、torch.cov、torch.corrcoefを使う。 torch.cov — PyTorch 1.12 documentationtorch.corrcoef — PyTorch 1.12 documentation torch.covの使い方 torch.covの引数に2次元配列を指定すると、列を一つの変数として共分散行列が算出される。 import torch x = torch.tensor([-2.1, -1, 4.3, 5]) y = torch.tensor([3, 1.1, 0.12, -3]) X = torch.stack((x, y), axis=0) print(torch.cov(X)) # tensor([[13.0967, -7.9250], # [-7.9250, 6.2841]]) torch.co

Numpyで共分散行列と相関係数行列を算出するには、numpy.cov, numpy.corrcoefを使う。 numpy.cov – NumPy v1.23 Manualnumpy.corrcoef – NumPy v1.23 Manual numpy.covの使い方 numpy.covの引数に、2つの1次元配列を指定すると、共分散行列が算出されます。 import numpy as np x = [-2.1, -1, 4.3] y = [3, 1.1, 0.12] print(np.cov(x, y)) # [[11.71 -4.286 ] # [-4.286 2.14413333]] 2次元配列を指定すると、各列にが一つの変数として、共分散行列が算出されます。 X = np.stack((x, y), axis=0) print(np.cov(X)) # [[11.71 -4.286

Pythonの組み込みモジュールstatisticsで、代表値（平均値、中央値、最頻値）を算出する方法について記載する。平均値はstatistics.mean、中央値はstatistics.median、最頻値はstatistics.modeを用いる。 statistics – 数理統計関数 — Python 3.10.6 ドキュメント statistics.meanの使い方 statistics.meanの引数にdataを指定することで、平均値が算出される。dataが空の場合は、StatisticsErrorが返ってくる。 l = [1, 2, 3, 4, 4, 10, 1, 3, 7, 1] print(statistics.mean(l)) # 3.6 b = [] print(statistics.mean(b)) # StatisticsError: mean requires