sfujiwara

import sys
import matplotlib.pyplot as plt
import numpy as np
import scipy as sp
from scipy.spatial import distance_matrix
from scipy.optimize import linear_sum_assignment


sys.setrecursionlimit(1000)
BIG_M = 1e5

sfujiwara

import tensorflow as tf
import optuna
import sklearn.datasets
from sklearn.model_selection import train_test_split


class TensorFlowPruningHook(tf.train.SessionRunHook):

    def __init__(self, trial, estimator, metric, is_higher_better, run_every_steps):
        self.trial = trial

sfujiwara

class TensorFlowPruningHook(tf.train.SessionRunHook):

    def __init__(self, trial, estimator, metrics_name, is_higher_better, run_every_steps):
        self.trial = trial
        self.estimator = estimator
        self.current_step = -1
        self.metrics_name = metrics_name
        self.is_higher_better = is_higher_better
        self._global_step_tensor = None
        self._timer = tf.train.SecondOrStepTimer(every_secs=None, every_steps=run_every_steps)

sfujiwara

import tensorflow as tf
import optuna
import sklearn.datasets
from sklearn.model_selection import train_test_split


def create_input_fn():
    iris = sklearn.datasets.load_iris()
    x, y = iris.data, iris.target
    x_train, x_eval, y_train, y_eval = train_test_split(x, y, test_size=0.5, random_state=42)

sfujiwara

import numpy as np
import matplotlib.pyplot as plt

# Parameters used frequently
plt.rcParams['axes.labelsize'] = 24
plt.rcParams['lines.linewidth'] = 4
plt.rcParams['lines.markersize'] = 10
plt.rcParams['lines.markeredgewidth'] = 3
plt.rcParams['legend.fontsize'] = 18
plt.rcParams['legend.shadow'] = False

sfujiwara

predictors = df_train.iloc[:,FEATURE_COLS].values
targets = df_train[TARGET_COL].values
shutil.rmtree('taxi_model', ignore_errors=True) # start fresh each time
modelprefix = 'taxi_model'
with tf.Session() as sess:
  npredictors = len(FEATURE_COLS)
  noutputs = 1
  feature_data = tf.placeholder("float", [None, npredictors])
  target_data = tf.placeholder("float", [None, noutputs])
  hidden = tf.contrib.layers.stack(feature_data, 

sfujiwara

# Description
#   Hubot find palindrome.
#
# Dependencies:
#   "kuromoji": "0.0.5"
#
# Configuration:
#   None
#
# Author:

sfujiwara

# -*- coding: utf-8 -*-

import numpy as np
from scipy.sparse.linalg import cg
import tensorflow as tf
import time


def conjugate_grad(A, b, x=None):
    """

sfujiwara

この情報は 2014 年 のものなので, CPLEX のバージョンが上がった場合や, 環境が違う場合は適宜読み替えられたし.
IBM Academic Initiative についても変更があるかもしれないので気を付けられたし.

CPLEX のインストール

IBM Academic Initiative なるものに登録すると, 無償で使用することができる.
公式サイトがちょっとした迷宮になっているけど, 頑張って登録してダウンロードを済ませる.

IBM Academic Initiative に登録可能な条件がよくわからなかったので直接問い合わせたところ, 何らかの形で大学から給料を貰っていれば良いらしい.
額は関係ないので, ティーチングアシスタントで給料を貰っている学生ならば間違いなく大丈夫.