はてなブックマーク

asyncioって？ asyncio は async/await 構文を使い 並行処理の コードを書くためのライブラリです。 asyncio は、高性能なネットワークとウェブサーバ、データベース接続ライブラリ、分散タスクキューなどの複数の非同期 Python フレームワークの基盤として使われています。 asyncio --- 非同期 I/O — Python 3.9.0 ドキュメント import asyncio async def main(): print('Hello ...') await asyncio.sleep(1) print('... World!') # Python 3.7+ asyncio.run(main()) なにこれ、C#の async/await みたいなノリじゃないですか…。 Python使いなのに、恥ずかしながらこの前まで知りませんでした。 たまにC#の

# -*- coding: utf-8 -*- import sys import ctypes kernel32 = ctypes.WinDLL("kernel32") kernel32.Sleep.restype = None # void kernel32.Sleep.argtypes = (ctypes.c_uint32,) # (unsigned int) print("started") sys.stdout.flush() kernel32.Sleep(1000) print("finished") WindowsのDLLの場合、ctypes.WinDLLに名前を指定してアクセスします。呼び出し規約がstdcallの場合はWinDLLを使います。使用するライブラリによっては、ctypes.CDLLを使う場合もあると思います。 DLLに含まれる関数は属性としてアクセスできるよう

はじめに 時系列データを入力にとり、今の時刻の入力に加えて前の時刻の「状態」も使って出力を決めるニューラルネットワークの形態に RNN (Recurrent Neural Network) があります。LSTM（Long Short-Term Memory, 長・短期記憶）が有名でしょうか。 時系列データとは、動画やテキストといった、列全体として意味を持つようなデータです。普通のニューラルネットワークは画像や文字といった、形式の決まったある1つのデータを入力に取るわけですが、それらが並んだ動画やテキストを扱うときには、個々の画像（フレーム）や文字はもちろん、その並びにも大きな意味がありますね。このようなデータをうまく扱う構造がRNNというわけです。 ただ普通の全結合層などと違って正直とっつきにくいと思います。私もそうです。 というわけで、まずはRNNが何をするものかを理解して、次に前の時刻

#!/usr/bin/env python3 import numpy as np import tensorflow as tf from tensorflow.keras.datasets import mnist def feature_float_list(l): return tf.train.Feature(float_list=tf.train.FloatList(value=l)) def record2example(r): return tf.train.Example(features=tf.train.Features(feature={ "x": feature_float_list(r[0:-1]), "y": feature_float_list([r[-1]]) })) filename_train = "train.tfrecords" filename_

(2020/03/19) 以下のオリジナルの内容はTensorFlow 1.xを対象としています。TensorFlow 2.x系で異なる点が出てきましたので、加筆しました。 はじめに TensorFlowのTensorって何だっけ？名前が難しそうで関わりたくない？ というときには、numpyと対比しながら押さえていくと分かりやすいです。 自分なりの理解をまとめてみます。 Tensorって何？ 行列、ベクトル、数値などを一般化したデータです。多次元配列のイメージでよいでしょう（0次元の配列というのは考えにくいですが）。 これだけならnumpyのndarrayと変わりませんが、Tensorに対する操作は記号的な操作であって、実際の計算はモデルを学習する時など必要になったときに初めて行われます。(*) そのため、 Tensorオブジェクトに具体的な値は入っていない。データの形状（行列のサイズとか

問題設定 今回の題材は「{0.0, 1.0}からなる列の総和を出力するモデル」とします。 例えば [1.0, 1.0, 1.0, 1.0, 0.0, 1.0, 1.0, 1.0, 0.0, 1.0] が入力であれば、8.0 が出力されるようにします。 この問題設定は以下から拝借しました。 TensorFlowのRNNを基本的なモデルで試す - Qiita Kerasでモデルを組む KerasでのLSTMレイヤーの使い方は以下を参考にしています。 KerasでRNN(LSTM)を試してみる - Qiita 各参考ページのコードの大部分を拝借＆自分なりに改良していますが、自分の理解のために、なるべくコメントを入れて何をしたいかわかるようにしています。 固定長の系列を入力する場合 まずは固定長の入力がされる場合を考えます。 以下のコードでは、長さがちょうど10の{0.0, 1.0}系列が入力され

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?