あれ
KerasやTensorFlowのアップグレードを続けていくと、できなくなってくる
cd virtualenv/
virtualenv -p python3.5 py-keras
source py-keras/bin/activate
import os | |
import sys | |
import math | |
import glob | |
import gzip | |
for name in glob.glob("../output/*/*"): | |
print( name ) | |
day_time = name.split("/")[-2] | |
print( day_time ) |
import com.google.gson.Gson import com.google.gson.reflect.TypeToken | |
import com.google.gson.GsonBuilder | |
import com.google.gson.reflect.TypeToken | |
val type = object : TypeToken<Map<String, String>>() {}.type | |
val json = File("data/DATASET.json").readText() | |
val gson = Gson() | |
val map:Map<String,String> = gson.fromJson<Map<String, String>>(json, type) |
ディープラーニングをやるようになって半年程度経ちました
ある程度ならば、文章や画像判別モデルならば、過去の自分の資産をうまく活用することと、外部からState of the Artな手法を導入することで、様々なネットワークを組むことが可能になってまいりました
しかし、基礎の基礎であるはずの、Fizz Buzzをやるのを忘れていたのです
やるしかありません、やります、やりましょう
import matplotlib.pyplot as plt | |
# This import is needed to modify the way figure behaves | |
from mpl_toolkits.mplot3d import Axes3D | |
#---------------------------------------------------------------------- | |
# Locally linear embedding of the swiss roll | |
from sklearn import manifold, datasets | |
X, color = datasets.samples_generator.make_swiss_roll(n_samples=1500) | |
print("Computing LLE embedding") | |
X_r, err = manifold.locally_linear_embedding(X, n_neighbors=12, | |
n_components=2) |
各種機械学習のオーバーヘッドとなりうる点では、学習させるデータのペアを作ることが求められることが多い これは教師あり学習と呼ばれ、人間がなんらかの形でデータセットを作成する必要がある
比べて教師なし学習という分野があり、こちらは学習する対象のデータさえ与えれば、後は勝手に学習していくものであり、特に人間が頑張ってデータセットを作る必要はない
自然言語処理では、有名なところでは word2vecやfastText, tfidfなど数値を計算する、頻出する系を計算する系などが該当する
sudo add-apt-repository ppa:longsleep/golang-backports
sudo apt-get update
sudo apt-get install golang-go
GOHOMEの設定
$HOME/go/bin