ゼロから作るDeep Learningの第一章を読んでみたメモ

dorako321

8年前

勉強したいなーー。と思ったので読みながら試してみます。

まずはPythonの使い方のおさらいあたりから。

Macでpythonのインストール

anacondaがよくわからないのでpyenvで入れてみます。

.pyenvをgit cloneしてきます。

$ git clone git://github.com/yyuu/pyenv.git ~/.pyenv

1	$ git clone git://github.com/yyuu/pyenv.git ~/.pyenv

.bash_profileに以下を追加します。

$ echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bash_profile
$ echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bash_profile
$ echo 'eval "$(pyenv init -)"' >> ~/.bash_profile

$ echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bash_profile

$ echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bash_profile

$ echo 'eval "$(pyenv init -)"' >> ~/.bash_profile

.bash_profileをリロードします

$ source ~/.bash_profile

1	$ source ~/.bash_profile

pyenvコマンドを叩くことでpyenvが使えるようになりました

$ pyenv
pyenv 1.0.10-5-gbcc8ab2

1 2	$ pyenv pyenv 1.0.10-5-gbcc8ab2

書籍で記述されているversion 3.4.1をインストールしてみます。

$ pyenv install 3.4.1

1	$ pyenv install 3.4.1

インストールできたらリハッシュします。

$ pyenv rehash

1	$ pyenv rehash

使用するpythonを先程インストールした3.4.1に変更します。

$ pyenv global 3.4.1
$ pyenv global
3.4.1

$ pyenv global 3.4.1

$ pyenv global

3.4.1

pythonコマンド叩いてバージョンが表示されることも確認できました。

$ python
Python 3.4.1 (default, Apr 15 2017, 14:56:15)

1 2	$ python Python 3.4.1 (default, Apr 15 2017, 14:56:15)

pythonがphpenvのpythonを指しているのが分かります。

$ which python
/Users/***/.pyenv/shims/python

1 2	$ which python /Users/***/.pyenv/shims/python

算術演算

^ は累乗ではなくビット演算のXORらしいです。累乗は**

>>> 1 + 2
3
>>> 7 / 5
1.4
>>> 3 ^ 2
1
>>> 3 ** 2
9

>>> 1 + 2

>>> 7 / 5

1.4

>>> 3 ^ 2

>>> 3 ** 2

>>> b = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> print(b[0:2])
[1, 2] #0番目から2番目まで（2番目は含まない）をスライシング
>>> print(b[1:])
[2, 3, 4, 5, 6, 7, 8, 9, 10] #1番目から最後までをスライシング
>>> print(b[:3])
[1, 2, 3] #最初から3番目までをスライシング
>>> print(b[:-1])
[1, 2, 3, 4, 5, 6, 7, 8, 9] #最初から最後の1つ前までにスライシング

>>> b = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

>>> print(b[0:2])

[1, 2] #0番目から2番目まで（2番目は含まない）をスライシング

>>> print(b[1:])

[2, 3, 4, 5, 6, 7, 8, 9, 10] #1番目から最後までをスライシング

>>> print(b[:3])

[1, 2, 3] #最初から3番目までをスライシング

>>> print(b[:-1])

[1, 2, 3, 4, 5, 6, 7, 8, 9] #最初から最後の1つ前までにスライシング

NumPy

pipをアップデートします

$ pip install --upgrade pip

1	$ pip install --upgrade pip

numpyをインストールします

$ pip install numpy

1	$ pip install numpy

NumPyをimportしてみます

$ python
>>> import numpy as np

1 2	$ python >>> import numpy as np

要素数が同じ場合、それぞれの要素に（element-wise）対して演算を実行してくれます。

>>> import numpy as np
>>> x = np.array([1.0, 2.0, 3.0])
>>> y = np.array([2.0, 4.0, 6.0])
>>> x + y
array([ 3.,  6.,  9.])
>>> x - y
array([-1., -2., -3.])
>>> x * y
array([  2.,   8.,  18.])

>>> import numpy as np

>>> x = np.array([1.0, 2.0, 3.0])

>>> y = np.array([2.0, 4.0, 6.0])

>>> x + y

array([ 3., 6., 9.])

>>> x - y

array([-1., -2., -3.])

>>> x * y

array([ 2., 8., 18.])

また、スカラ値の組み合わせで算術することもできるようです。

>>> x = np.array([1.0, 2.0, 3.0])
>>> x / 3.0
array([ 0.33333333,  0.66666667,  1.        ])

>>> x = np.array([1.0, 2.0, 3.0])

>>> x / 3.0

array([ 0.33333333, 0.66666667, 1. ])

多次元の配列にも対応しています。

>>> A = np.array([[1,2], [3,4]])
>>> print(A)
[[1 2]
 [3 4]]
>>> A.shape
(2, 2)
>>> A.dtype
dtype('int64')

>>> A = np.array([[1,2], [3,4]])

>>> print(A)

[[1 2]

[3 4]]

>>> A.shape

(2, 2)

>>> A.dtype

dtype('int64')

ベクトルの演算を行うこともできます。

>>> A = np.array([[1,2], [3,4]])
>>> B = np.array([[3,0],[0,6]])
>>> print(A)
[[1 2]
 [3 4]]
>>> print(B)
[[3 0]
 [0 6]]
>>> A + B
array([[ 4,  2],
       [ 3, 10]])
>>> A * B
array([[ 3,  0],
       [ 0, 24]])

>>> A = np.array([[1,2], [3,4]])

>>> B = np.array([[3,0],[0,6]])

>>> print(A)

[[1 2]

[3 4]]

>>> print(B)

[[3 0]

[0 6]]

>>> A + B

array([[ 4, 2],

[ 3, 10]])

>>> A * B

array([[ 3, 0],

[ 0, 24]])

ベクトルも同様にスカラ値と演算することができます。

>>> A * 10
array([[10, 20],
       [30, 40]])

>>> A * 10

array([[10, 20],

[30, 40]])

同様にテンソルも作成できます。流石に見づらい感がありますねー。

>>> A = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])
>>> print(A)
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]

>>> A = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])

>>> print(A)

[[[1 2]

[3 4]]

[[5 6]

[7 8]]]

ブロードキャスト

リストでは不可能だった、計上の異なる配列との演算が可能です。いわゆる行列の計算になります。

>>> A = np.array([[1,2], [3,4]])
>>> B = np.array([10,20])
>>> A * B
array([[10, 40],
       [30, 80]])

>>> A = np.array([[1,2], [3,4]])

>>> B = np.array([10,20])

>>> A * B

array([[10, 40],

[30, 80]])

思い出すのに時間かかる

>>> D = np.array([1, 2])
>>> E = np.array([[3,4]])
>>> D * E
array([[3, 8]])

>>> D = np.array([1, 2])

>>> E = np.array([[3,4]])

>>> D * E

array([[3, 8]])

Matplotlib

グラフの描画ができるライブラリです。

$ pip install matplotlib

1	$ pip install matplotlib

インストールできたのでpythonコマンドからimportしてみます。

>>> import matplotlib.pyplot as pit
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>

>>> import matplotlib.pyplot as pit

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

エラーとなりました。以下のコマンドで設定ファイルの位置を確認して、編集します。

$ python -c "import matplotlib;print(matplotlib.matplotlib_fname())"

1	$ python -c "import matplotlib;print(matplotlib.matplotlib_fname())"

編集内容は「backend : macosx」を「backend : Tkagg」に変更することです。

次は正常にインポートできました。

グラフを書いてみます。

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> x = np.arange(0, 10, 0.1)
>>> y = np.sin(x)
>>> plt.plot(x, y)
[<matplotlib.lines.Line2D object at 0x10efe47b8>]
>>> plt.show()

>>> import matplotlib.pyplot as plt

>>> import numpy as np

>>> x = np.arange(0, 10, 0.1)

>>> y = np.sin(x)

>>> plt.plot(x, y)

[<matplotlib.lines.Line2D object at 0x10efe47b8>]

>>> plt.show()

するとウィンドウが立ち上がります。

便利ですね。複数線を引いたり、点線などの表示にも変更できるようですが、割愛。

画像の表示

画像の表示もできるようです。指定した画像ファイルlena.pngはカレントディレクトリに配置されている必要があります。

>>> import matplotlib.pyplot as plt
>>> from matplotlib.image import imread
>>> img = imread('lena.png')
>>> plt.imshow(img)
<matplotlib.image.AxesImage object at 0x108467588>
>>> plt.show()

>>> import matplotlib.pyplot as plt

>>> from matplotlib.image import imread

>>> img = imread('lena.png')

>>> plt.imshow(img)

<matplotlib.image.AxesImage object at 0x108467588>

>>> plt.show()

結果