#numpy
Python - 便利なNumpy (3) - インデックスなど。
インデックス
インデックスで指定してやる方法はNumpy以外の方法と同じです。リスト内の要素については0,1,2,・・と順番がついているのでそれを指定してやります。
array([1, 2, 3])
a[0]は"1"となります。
array([[1, 2, 3], [4, 5, 6]])
a[0][0]は"1"、a[0][1]は、"2"、a[1][1]は、"5"になります。
Python - 便利なNumpy (2) - 配列(list)
計算
計算をしてみます。合計は
f = np.array([[1, 2, 3], [4, 5, 6]])np.sum(f)
とすると全てを足し合わせた"21"が出力されます。
配列ごと
np.sum(f, axis=1)
array([ 6, 15])と出てのきます。2つの配列それぞれの合計が出てきています。
axisについては
リストの取り扱い
配列の形状を変えることができます
Python - 便利なNumpy (1)
今、はやりのDeep Learningでも注目のNumpyです。
を参考にさせてもらい、実際にGoogle Colabで動かして、理解を深めたいと思います。ColabはGoogleのアカウントでログインが必要ですがNumpyをはじめある程度必要なライブラリが入っているのでとっても便利です。
まず初めに、
import numpy as np
が必ず必要です。この作業がなければNumpyは使
やってみよう！機械学習 - 勾配降下法
何はともあれ以下のサイトを参考にColabで実行します。
少しコードを削除したも。以下を実行します。
import matplotlib.animation as animationimport matplotlib.pyplot as pltimport numpy as npdef objective(x): return x**2def differential(func, x):
やってみよう！機械学習 - パーセプトロン
パーセプトロンって何？
パーセプトロンとは入力値2つから一つの値を導きます。
仕組みは入力値に重みずけして計算させ、その結果から値を導きます。
パーセプトロンの作りかた
閾値を thetaとして定義して作成。
入力値(x1,x2)に重み(w1,w2)を掛けて足しこみます。足した値と閾値(theta)を比較して結果を得ます。閾値を変えれば"1"を返します。
def AND(x1,x2):
Pythonプログラミング - NumPyを使ってみよう
Pythonの便利なライブラリの使い方です。今、話題の機械学習で計算をする場合に便利なのでよく利用されます。
numpyを使えるようにするには"numpy"を取り込み"np"をつけることで簡単に使えるようにします。
import numpy as np
配列を作ってみます。
arr = np.array([1,2,3])
これを使って計算します。例えば配列の中の値全てに"3"を掛けたい
知って得する、楽しいプログラミング。 - Python 9 - Numpy
参考サイトです。
今話題のディープラーニング をするときに便利に使われるライブラリです。ライブラリを使うことで配列クラスの便利なメソッドを使えるようになります。ディープラーニングなど配列、行列の計算が必要な場合に必須なものとなっています。
基本的な使い方ですが、まずインポート。
import numpy as np
numpy配列を作って計算します。type()で何の型かがわかります。
「Deep Learning」って何？--ちょっと一息(Pythonで行列)
ここで「Deep Learning」に必要なことをPythonで実装する方法を見ていきます。
まず行列です。Numpyで行列式を実行してみましょう！
numpy.dot(np.dot)はよく使うのでそこから始めましょう。
import numpy as npa = np.array([1,2])b = np.array([3,4])np.dot(a,b) //11
とすると、答えは「11