[PYTHON] Wie man teilweise verwendet
Auslösen
Teilweise erschienen in Code of 1st Place im Mercari-Wettbewerb Ich habe es nicht wirklich verstanden.
Zusammenfassung
teilweise → Einige Argumente sind variabel, einige Argumente sind fest und die Verarbeitung kann ausgeführt werden.
Anwendungsbeispiel
Referenz des folgenden Beispiels Fixiere b auf 5 und ändere das Argument von a für die Verarbeitung von 0 auf 5.
qiita.rb
from functools import partial
def add_func(a, b):
return a + b
add_list = list(map(partial(add_func, b=5), [0,1,2,3,4,5]))
print(add_list)
Beispiel in Mercari Competition 1st Code Der Wert von y_train ist fest und nur der Wert von xs, der in fit_predict eingeht, wird geändert.
qiita.rb
def fit_predict(xs, y_train) -> np.ndarray:
X_train, X_test = xs
config = tf.ConfigProto(
intra_op_parallelism_threads=1, use_per_session_threads=1, inter_op_parallelism_threads=1)
with tf.Session(graph=tf.Graph(), config=config) as sess, timer('fit_predict'):
ks.backend.set_session(sess)
model_in = ks.Input(shape=(X_train.shape[1],), dtype='float32', sparse=True)
out = ks.layers.Dense(192, activation='relu')(model_in)
out = ks.layers.Dense(64, activation='relu')(out)
out = ks.layers.Dense(64, activation='relu')(out)
out = ks.layers.Dense(1)(out)
model = ks.Model(model_in, out)
model.compile(loss='mean_squared_error', optimizer=ks.optimizers.Adam(lr=3e-3))
for i in range(3):
with timer(f'epoch {i + 1}'):
model.fit(x=X_train, y=y_train, batch_size=2**(11 + i), epochs=1, verbose=0)
return model.predict(X_test)[:, 0]
with ThreadPool(processes=4) as pool: #4 Fäden
Xb_train, Xb_valid = [x.astype(np.bool).astype(np.float32) for x in [X_train, X_valid]]
xs = [[Xb_train, Xb_valid], [X_train, X_valid]] * 2
y_pred = np.mean(pool.map(partial(fit_predict, y_train=y_train), xs), axis=0)
Recommended Posts