abetan ground0state

## skorch.ipynb

      
              1 file
            
          
              0 forks
            
          
              0 comments
            
          
              0 stars
            
          
                ground0state
                / skorch.ipynb
            
            
              Created
              December 20, 2020 14:43
            
          
      Sorry, something went wrong. Reload?
      Sorry, we cannot display this file.
      Sorry, this file is invalid so it cannot be displayed.
      
          Viewer requires iframe.
      
    
## timer.py
import time
import logging
from contextlib import contextmanager
from typing import Optional


@contextmanager
def timer(name: str, logger: Optional[logging.Logger] = None):
    t0 = time.time()
    msg = f"[{name}] start"

## basic_logger.py
import logging

def get_logger(out_file=None):
    logger = logging.getLogger()
    formatter = logging.Formatter("%(asctime)s - %(levelname)s - %(message)s")
    logger.handlers = []
    logger.setLevel(logging.INFO)

    stream_handler = logging.StreamHandler()
    stream_handler.setFormatter(formatter)

## seed_torch.py
import os
import random
import numpy as np
import torch

def set_seed(seed: int = 42):
    random.seed(seed)
    np.random.seed(seed)
    os.environ["PYTHONHASHSEED"] = str(seed)
    torch.manual_seed(seed)

## layered_fold_wrapper.py
class LayeredFoldWrapper(Dataset):
    def __init__(self, dataset, n_splits=5, fold=0, valid=False):
        self.dataset = dataset
        self.n_splits = n_splits
        self.fold = fold
        self.valid = valid
        self.valid_index = list(self._valid_index(len(dataset), n_splits, fold))
        self.train_index = list(set(range(len(dataset))) - set(self.valid_index))

    def __len__(self):

## silhouette_score.py
"""
MIT License
Copyright (c) 2017-2020 Packt, grouns0state
https://github.com/PacktPublishing/Artificial-Intelligence-with-Python/blob/master/LICENSE
"""
from sklearn.cluster import KMeans
from sklearn import metrics
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs

## mean_shift.py
"""
MIT License
Copyright (c) 2017-2020 Packt, grouns0state
https://github.com/PacktPublishing/Artificial-Intelligence-with-Python/blob/master/LICENSE
"""
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import MeanShift, estimate_bandwidth
from itertools import cycle
from sklearn.datasets import make_blobs

## makesoundfile.py
"""
喜多 一,『プログラミング演習 Python 2019( コラム編 )』, 2020-02-13, http://hdl.handle.net/2433/245698
LISENCE: CC-BY-NC-ND

[参考資料]
桂田 祐史:Python を使った WAVE ファイルの処理、 http://nalab.mind.meiji.ac.jp/~mk/lecture/fourier-2018/python-sound/ (2018/12/3 アクセ ス)
"""

import numpy as np
import wave

## power-spectral-density.py
# https://org-technology.com/posts/power-spectral-density.html
"""
適当な信号を作成して periodogram と welch で PSD を推定してみます。
下の例ではセグメント長 nseg はデフォルトで 256 なので、
ちょうど n/4 の長さです。
いくつかセグメント長を変えて推定した結果をプロットしています。
なおオーバーラップ noverlap はデフォルトのままで nseg/2、
つまり 50% オーバーラップして計算しています。
periodogramでは窓関数はデフォルトではなし(Boxcar と同じ)、
welch では Hanning です。

## peak.py
from scipy import fftpack, signal
import scipy
import numpy as np
from scipy import signal
import matplotlib.pyplot as plt


x = np.linspace(0, 10, 100)
yorg = np.sin(x)
y = yorg + np.random.randn(100)*0.5
	import time
	import logging
	from contextlib import contextmanager
	from typing import Optional


	@contextmanager
	def timer(name: str, logger: Optional[logging.Logger] = None):
	t0 = time.time()
	msg = f"[{name}] start"
	import logging

	def get_logger(out_file=None):
	logger = logging.getLogger()
	formatter = logging.Formatter("%(asctime)s - %(levelname)s - %(message)s")
	logger.handlers = []
	logger.setLevel(logging.INFO)

	stream_handler = logging.StreamHandler()
	stream_handler.setFormatter(formatter)
	import os
	import random
	import numpy as np
	import torch

	def set_seed(seed: int = 42):
	random.seed(seed)
	np.random.seed(seed)
	os.environ["PYTHONHASHSEED"] = str(seed)
	torch.manual_seed(seed)
	class LayeredFoldWrapper(Dataset):
	def __init__(self, dataset, n_splits=5, fold=0, valid=False):
	self.dataset = dataset
	self.n_splits = n_splits
	self.fold = fold
	self.valid = valid
	self.valid_index = list(self._valid_index(len(dataset), n_splits, fold))
	self.train_index = list(set(range(len(dataset))) - set(self.valid_index))

	def __len__(self):
	"""
	MIT License
	Copyright (c) 2017-2020 Packt, grouns0state
	https://github.com/PacktPublishing/Artificial-Intelligence-with-Python/blob/master/LICENSE
	"""
	from sklearn.cluster import KMeans
	from sklearn import metrics
	import numpy as np
	import matplotlib.pyplot as plt
	from sklearn.datasets import make_blobs
	"""
	喜多一,『プログラミング演習 Python 2019( コラム編 )』, 2020-02-13, http://hdl.handle.net/2433/245698
	LISENCE: CC-BY-NC-ND

	[参考資料]
	桂田祐史:Python を使った WAVE ファイルの処理、 http://nalab.mind.meiji.ac.jp/~mk/lecture/fourier-2018/python-sound/ (2018/12/3 アクセス)
	"""

	import numpy as np
	import wave
	# https://org-technology.com/posts/power-spectral-density.html
	"""
	適当な信号を作成して periodogram と welch で PSD を推定してみます。
	下の例ではセグメント長 nseg はデフォルトで 256 なので、
	ちょうど n/4 の長さです。
	いくつかセグメント長を変えて推定した結果をプロットしています。
	なおオーバーラップ noverlap はデフォルトのままで nseg/2、
	つまり 50% オーバーラップして計算しています。
	periodogramでは窓関数はデフォルトではなし(Boxcar と同じ)、
	welch では Hanning です。
	from scipy import fftpack, signal
	import scipy
	import numpy as np
	from scipy import signal
	import matplotlib.pyplot as plt


	x = np.linspace(0, 10, 100)
	yorg = np.sin(x)
	y = yorg + np.random.randn(100)*0.5