2020年6月の記事一覧
SwiftUIでいこう！-List!..4-2
上記サイトを参考にコードを確認しながら書いていきます。前回で表示部分ができたので、次にデータの操作をやっていきます。削除、移動、"drag-and-drop"ができるようにコードを追加していきます。
基本的なコードです。struct DemoList: View{}を編集していきます。
var body: some View {}のみ抜き出します。他、付随するコードなどは上記サイトなどを参考に
アルゴリズムでいこう！- 素数(エラトステネスのふるい)
エラトステネスとは。ギリシアの天文学者，地理学者，詩人。
ヨーロッパでは16世紀にコペルニクスが登場するまで地動説が信じられていましたが、その1700年以上前に地球を球体と考えて、その大きさを測定してしまった人のようです。
試し割り法を更に効率化するため、「エラトステネスのふるい」という考え方を試してみます。
わかりやすく解説してあります。
def prime_eratosthenes(n
アルゴリズムでいこう！- 素数
素数を調べるコードを考えていきます。まずPythonで。
与えられた数字の平方根の値Kkまで割っていき割ることができれば素数ではない”ということf
このサイトで紹介されているコードです。試し割り法です。
def is_prime(n): if n == 1: return True for i in range(2,int(n**0.5) + 1): if n
SwiftUIでいこう！-List!..3
Listから必要な項目を選び詳細画面へと遷移させる仕組みを考えます。
この動画では必要な名前を選んでその詳細な画面へと画面遷移します。
必要なViewを構成する構造体"struct"は
struct ContentView: View {}
struct ContactRow: View {}
struct DetailView: View {}
データを管理する構造体"struct"は
SwiftUIでいこう！-List!..2
Listをもう一歩進めてリンクを貼って画面遷移させて何か表示させてみます。以下参考サイトです。
まずデータの元となる構造体"struct"を作ります。
struct Weather: Identifiable { var id = UUID() var image: String var temp: Int var city: String}
ここで大事なのが"Identif
SwiftUIでいこう！-List!
Listを少し深堀します。
簡単に作ります。List {}を使って単純にText()を並べることで実行可能です。
var body: some View { List { Text("apple") Text("banana") Text("orange") } }
配列、
Makecode for micro:bit2020-micro:bits
MakeCode 2020 updateの紹介がmicro:bitのヘルプ画面で紹介されています。動画なども掲載してありわかりやすいですね。
ベータ版も使えるようになっているので楽しく触れます。
SwiftUIでいこう！-Navigation! ..2
まず、"NavigationView"を使って Titleを表示させてみます。
var body: some View { NavigationView{ NavigationLink(destination: Text("second")){ Text("Hello, World!") }
SwiftUIでいこう！-Navigation! ..1
SwiftUIで画面遷移をします。以前の"ViewController"でやるのと比べると簡単になっています。
初期画面の
struct ContentView: View {}
の他にもう1つViewを作ります。便宜上
struct SecondView: View {}
とします。
この2つの画面を行き来できるようにします。基本
"NavigationView"
を使います。
PyTorch - Training a Classifier
ここでは画像を使って分類の仕組みを見ていきます。
torchvision
を使います。
For this tutorial, we will use the CIFAR10 dataset. It has the classes: ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’,
PyTorch - Neural Networks! - 2
ネットワークができたのであとは精度を上げていきます。
ここから「学習」です。ネットワークで正解と比べ、間違わないように最適化していきます。ネットワークから出力されるデータと、正解データとを見合わせながらパラメータを調整していきます。
まず最初に全てのパラメータを"0"にして次のステップの準備します。総てのパラメータの勾配バッファをゼロにして勾配を初期化し, 逆誤差伝播法でパラメータの値の最適な
PyTorch - Neural Networks! - 1
このサイトわかりやすいです。
さて、PyTorch 1.5 Tutorialsの3回目のNeural Networksです。
PyTorchで作るニューラルネットワークです。ここで使われているのはいわゆる畳み込みニューラルネットワークです。
ニューラルネットワークのための典型的な訓練手続きは以下のようなものです
・幾つかの学習可能なパラメータ (or 重み) を持つニューラルネットワークを