NumPy

行列の積では、横の並び、縦の並びの組の同じ順番の数同士を掛けたものを足します。例えば、次のarr1とarr2の行列の積は、[1･5+2･7,1･6+2･8][3･5+4･7,3･6+4･8]になります。上は引用ですがそれらしくすると12561･5+2･71･6+2･8×34783･5+4･73･6+4･82×2の行列の形で左から横×縦で計算横に1行目って数えるのは未だ抵抗はありますが１９２２となる

2回目のお勉強ですnumpyで行列の積などはdot関数を使います書式numpy.dot(a,b,out=none）a左からかける行列b右からかける行列out結果を格納する代替配列返り値内戚の結果や積の結果sampleimportnumpyasnparr1=np.array([1,2,3])arr2=np.array([2,3,4])print(np.dot(arr1,arr2))表示されるのは各要素の積の和です

古い人間なのか私にはスカラー倍としか思えませんがとりあえず値を掛け算すると要素がすべて倍されます2ページ終了

５日間で学ぶpythonですが到底５日間ではできそうもないのですが本日はＮｕｍpyメソッドです２次元配列の例importnumpyasnparr=np.array([{3,5,8,],[1,4,9]])print(arr)JupyterNotebookですと１回インポートするとずーと効果があり、imort何回も書かなくてすみますがワタシ的にすぐ忘れるので、毎回sampleファイルとして作っています・配列

vscodeをインストールできたのでpythonのお勉強を再開ですkindleで以前に購入していたpythonの本を見てたら「５日間で学ぶAIプログラム」といった本がありました５日間ならお手頃そうだし、例によってanacondaとかjupyterだとか書いてあるので、vscodeで焼き直ししながら学習しようと思い立ったわけです。いえいえけしてjupyternotebookが嫌いとかではなく、マイクロソフト信奉者とかではないのですがプログラムと実行は別にしたいなというだけです新

python１年生からnumpyを調べます#数値リストに変換numImage=numpy.asarray(grayImage,dtype=float)numImage=16-numpy.floor(17*numImage/256)の２行目です。ここで前に言いました。dtype=floatがわかりますね割り算が入ってるので最初から整数では誤差が出まくりですからで２行目本では２５５〜０の濃淡を０〜１６の濃淡に、、、って２５５〜０なら１６〜０じゃ

Python1年生の機械学習の次の行fromPILimportImage,ImageFilterimportnumpyまずはイメージを読み込んでgrayImage=Image.open("dog1.jpg").convert("L")白黒イメージを８☓８のサイズに変更しますgrayImage=grayImage.resize((8,8),Image.Resampling.LANCZOS)numpyを使って８☓８のリストに変換します#数値リストに変換numIm

かめを動かすだけで悪戦苦闘いきなりtk入れれば良いようですがsudopacman-StkVscodeのターミナルでOKさあAIの準備のためnumpyインストールpip3installnumpy予想はしてましたがnumpyインストールできませんarch準拠のモジュール以外は入れませんですとpip3は入ってますpip3-Vで反応あり結果sudopacman-Spyhton-numpyこれでインストール

ｐｙｔｈｏｎですから今日から機械学習でも１ライブラリーをいくつかインストール入門用の何冊かの本が頼りですがLinux使う人は初心者であってはならぬとばかりｗｉｎかｍａｃです。そりゃあ探せばないとは言いませんが今から追加で本を揃えようと思わず。（結構Telloで出費がかさんでまして、、、）1-1numpyをインストールするpip3installnumpy早速pip3がないのでsudoaptinstallpython3-pipインス

今となってはちょっと古い本ですが、DeepLearningの基本を振り返るため改めて読み直してみました。PythonやNumPyの説明、パーセプトロンの説明などから入っているのが時代を感じますが、誤差逆伝播法や学習に関するテクニックなど、今ではフレームワーク任せになっている箇所が数式とともにしっかり書かれているのは有用です。DeepLearningではたまに「すごく簡単なのにすごく効果的」な手法がポロッと出てくるので、たまに基本を振り返って自分でもそういう手法を考え

一昔前は深層学習のライブラリというとKerasが代表的でしたが、複雑なことをしようと思うと裏のTensorFlowを使う必要があり、あまりにとっつきにくいため今ではPyTorchの方が主流になった感じがあります。TensorFlowもv2になってPyTorchっぽく気軽に使えると言われますが、それならPyTorchでいいじゃんというわけでユーザが流れているのでしょう。PyTorchが扱うTensorというデータは、numpyのndarrayに毛が

土日は普通の休日にしたので、本日月曜日から、2日目の学習をはじめました。最初はgooglecolaboratoryの簡単な説明から。これいいですね。こういうe-Learningとセットだと、例題に対して「こうやったらどうなるの？」と思うことがありますが、講師がいるわけではないので、質問しても回答に時間がかかりますし、大抵はまあいいかになってしまいます。即時に試せて、しかもテキストなどと一つのノートブックという単位で保持できるのはすばらしいです。GoogleColabo

これまで自分はニューラルネットワークをkerasで実装していましたが、ちゃんと動かないときにデバッグしようと思うと面倒です。tensorflow系の関数を使えば何とかなりますが、それでも細かいところはやっぱり面倒。最近少し触ったPyTorchはDefinebyRunなので、途中途中の状況が確認しやすいのはいいと思いました。PyTorchの人気が高まっているというのはこういうメリットのおかげもあるのでしょう。深層学習という大きなくくりで見ればkerasもP

あー、いまイギリスはガソリンスタンドにガソリンがない！（日本でもニュースは流れていると思いますが）ガソリンが不足しているわけではなく、ドライバーがいないとのことで、ガソリンスタンドにガソリンが来ないということのようだけど・・・・？？？？しかしスーパには食べ物はあるんだよな・・・、でもガソリンはガソリンスタンドにはない。イマイチ理由がわからん。ドライバーがいなければ食べ物なんかも届きそうにないものだけど・・・。イギリスは昔からドライバー不足問題はあって、噂が突然広まって一気にみん

またしばらく更新できていないな～と思い。今日こそはということで再開。余談ですが、火曜日に38℃の高熱が出てダウンしてました。念のため次の日病院に行ってPCR検査受けたところ結果は陰性。良かったε-(´∀｀*)ﾎｯさて、今日の勉強内容は人工知能の数学ということでUdemyの講座を受講。会社が受講費払ってくれてるんだけども、3月末で切れるからやらないといけない・・・でも進んでない(´・ω・｀)今日習ったのはPythonと数学NumpyPythonの数学用ライブラリ。

エクセルファイルで提出されたインシデント報告（1ファイルに1報告）を、Pythonを使って一つの表にまとめて、週に1回行われる、医療安全会議室に報告する作業を行っています。今日、いつものように、一つの表にまとめるPythonスクリプトを走らせようとしたら、エラー発生↓RuntimeError:ThecurrentNumpyinstallationfailstopassasanitycheckduetoabuginthewindowsrunti

こんにちは！材料力学と並行してPythonの備忘録も書いていきます。今日はグラフ作成をテーマにします！まずは準備としてライブラリをインポートしましょう。importmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspdこれらの意味を確認しましょう。matplotlibはグラフ作成に必要なライブラリ、numpyはデータ解析や機械学習等で用いられるライブラリ、pandasはデータフレームをい

numpyでは、行列に演算子を与えると要素ごとにその演算子を適用した結果の真偽値が要素となった行列が返ってくる。(例)>>>a=np.array([1,2,3])>>>a<2array([True,False,False])>>>a==2array([False,True,False])tensorflowでもほぼ同じことができる。(例)>>>a=tf.keras.backend.variable(np.array([1,2,3

numpyで作ったデータは非常にさまざまな方法で要素にアクセスできる。取り出したい要素のインデクスのリストidxsを与えてdata[idxs]とやると対応する要素のリストが取り出せるのは非常に便利。しかし２軸以上のデータの場合、スライスでdata[p:q,r:s]とやると当然その範囲のデータが取り出されるが、インデクスのリストを与えた場合はそうならないようである。例えばa=np.arange(25).reshape(5,5)b=[1,2]c=[3,

タイトルに「現場で使える」とか「データサイエンスで役立つ」とかあるので実践寄りの話題が載っているのかと思ったら、ただのリファレンスに毛が生えた程度の本でした。しかもかなり誤植が多いので、こんなんだったら書籍でなくNumPyのサイトの公式リファレンスを見る方がよっぽど役に立ちます。一応は簡単なニューラルネットワークを実装したり強化学習を実装したりする演習もありますが、はっきり言ってページ稼ぎにしかなってないので、リファレンスを絶対に手元に置いておきたいという人以外にはおススメ

PythonのNumPyのように使える数値演算ライブラリとしてC++向けに有名なものとしてEigenというものがある。NumPyには要素ごとに条件に応じた値を設定できるwhere関数があるがEigenにはそれっぽいものが見当たらない。unaryExpr関数を使って頑張るしかないのであろうか。

Pythonでベクトルや行列を扱うのに便利な外部ライブラリであるNumpyがある。ベクトルや行列を１つの変数で表すと、まとめて計算をすることができる。-----importnumpyasnpa=np.array([1,2,3])b=np.array([3,4,5])print(a+b)print(a*b)print(a/b)print(np.cross(a,b)#ベクトルの内積a=np.array([[1,2,3],[4,5,6],[7,8,9]])b=np.arr

anacondaをwin10にインストールしてAnacondaNavigatorを起動するとメニュー画面でデフォルトがHomeとなる。どの開発環境を使ってプログラムを開発するのか、種々のツールの中から選べるようになっている。Pythonで開発する際に最も好んで使用されるのが"jupyterNotebook"であるらしい。jupyterNotebookの"Launch"をクリックすると、ブラウザにHomeディレクトリのリストが出てくる。Desktopをクリックするとその下のリストがでてく