« 2020年05月 | メイン | 2020年07月 »
2020年06月24日
pythonに出てくる軸ってなんだ？
Array
(
[0] => Array
(
[0] => 0
[1] => 1
[2] => 2
)
[1] => Array
(
[0] => 3
[1] => 4
[2] => 5
)
*/
//3番目の$qを潰してる axis=2
$b = array();
for ($i = 0;$i < 3;++$i) {
for ($p = 0;$p < 3;++$p) {
for ($q = 0;$q < 3;++$q) {
@$b[$i][$p] = $b[$i][$p] + $a[$i][$p][$q];
}
}
}
print_r($b);
//2番目の$pを潰してる axis=1
$b = array();
for ($i = 0;$i < 3;++$i) {
for ($p = 0;$p < 3;++$p) {
for ($q = 0;$q < 3;++$q) {
@$b[$i][$q] += $a[$i][$p][$q];
}
}
}
print_r($b);
//1番目の$iを潰してる axis=1
$b = array();
for ($i = 0;$i < 3;++$i) {
for ($p = 0;$p < 3;++$p) {
for ($q = 0;$q < 3;++$q) {
@$b[$p][$q] += $a[$i][$p][$q];
}
}
}
print_r($b);
//2番目と3番目を潰してる axis=(1,2)
$b = array();
for ($i = 0;$i < 3;++$i) {
for ($p = 0;$p < 3;++$p) {
for ($q = 0;$q < 3;++$q) {
@$b[$i] += $a[$i][$p][$q];
}
}
}
print_r($b);
投稿者 muuming : 07:10
2020年06月19日
numpy onehotに変換
a = [3, 0, 8, 1, 9]
a_one_hot = np.identity(10)[a]
投稿者 muuming : 15:24
tensorfklow2カスタマイズング
https://www.atmarkit.co.jp/ait/articles/2003/23/news024.html
基本パターン
TensorFlow 2.xでは、
活性化関数： tf.keras.layers.Layerクラスをサブクラス化
レイヤー： tf.keras.layers.Layerクラスをサブクラス化
オプティマイザ（最適化アルゴリズム）： tf.keras.optimizers.Optimizerクラスをサブクラス化
損失関数： tf.keras.losses.Lossクラスをサブクラス化
評価関数： tf.keras.metrics.Metricクラスをサブクラス化
などの機能がカスタマイズ可能である
各損失関数の中身は ここ Numpy backend にあった
----------------------------------
# カスタムの損失関数のPython関数を実装
def custom_loss(y_true, y_pred):
return tf.reduce_mean(tf.square(y_true - y_pred))
# カスタムの損失関数クラスを実装（レイヤーのサブクラス化）
# （tf.keras.losses.MeanSquaredError()の代わり）
class CustomLoss(tf.keras.losses.Loss):
def __init__(self, name="custom_loss", **kwargs):
super(CustomLoss, self).__init__(name=name, **kwargs)
def call(self, y_true, y_pred):
y_pred = tf.convert_to_tensor(y_pred) # 念のためTensor化
y_true = tf.cast(y_true, y_pred.dtype) # 念のため同じデータ型化
return custom_loss(y_true, y_pred)
----------------------------------
----------------------------------
# カスタムの活性化関数のPython関数を実装
def custom_activation(x):
return (tf.exp(x)-tf.exp(-x))/(tf.exp(x)+tf.exp(-x))
# カスタムの活性化関数クラスを実装（レイヤーのサブクラス化）
# （tf.keras.layers.Activation()の代わり）
class CustomActivation(tf.keras.layers.Layer):
def __init__(self, **kwargs):
super(CustomActivation, self).__init__(**kwargs)
def call(self, inputs):
return custom_activation(inputs)
-------------------------------------
-------------------------------------
# 正解かどうかを判定する関数を実装
def custom_matches(y_true, y_pred): # y_trueは正解、y_predは予測（出力）
threshold = tf.cast(0.0, y_pred.dtype) # -1か1かを分ける閾値を作成
y_pred = tf.cast(y_pred >= threshold, y_pred.dtype) # 閾値未満で0、以上で1に変換
# 2倍して-1.0することで、0／1を-1.0／1.0にスケール変換して正解率を計算
return tf.equal(y_true, y_pred * 2 - 1.0) # 正解かどうかのデータ（平均はしていない）
# カスタムの評価関数クラスを実装（サブクラス化）
# （tf.keras.metrics.BinaryAccuracy()の代わり）
class CustomAccuracy(tf.keras.metrics.Mean):
def __init__(self, name='custom_accuracy', dtype=None):
super(CustomAccuracy, self).__init__(name, dtype)
# 正解率の状態を更新する際に呼び出される関数をカスタマイズ
def update_state(self, y_true, y_pred, sample_weight=None):
matches = custom_matches(y_true, y_pred)
return super(CustomAccuracy, self).update_state(
matches, sample_weight=sample_weight) # ※平均は内部で自動的に取ってくれる
----------------------------------
投稿者 muuming : 05:35