Python vs Ruby "Deep Learning from Grund" Kapitel 1 Diagramm der Sin-Funktion und der Cos-Funktion

Überblick

Schreiben Sie ein Programm zum Zeichnen eines Sinus-Cosinus-Diagramms in Python und Ruby unter Bezugnahme auf den Code in Kapitel 1 des Buches "Deep Learning von Grund auf neu - Die Theorie und Implementierung des mit Python gelernten Deep Learning".

Umgebung

Python

In dem Buch "Deep Learning von Grund auf neu" wurde die Anaconda-Distribution installiert, um die Umgebung zu erstellen. Hier werden jedoch nur numpy und matplotlib mit pip installiert.

Diese Umgebung.

macOS Sierra + Homebrew + pyenv + Python 3.6.1

Installieren Sie NumPy, eine numerische Berechnungsbibliothek, und Matplotlib, eine Grafikzeichnungsbibliothek.

$ pip install numpy matplotlib

Ruby

Diese Umgebung.

macOS Sierra + Homebrew + rbenv + Ruby 2.4.1

Installieren Sie Numo :: NArray, eine mehrdimensionale numerische Array-Bibliothek, und Numo :: Gnuplot, eine Grafikzeichnungsbibliothek.

$ gem install numo-narray numo-gnuplot

Numo :: Gnuplot verwendet Gnuplot, installieren Sie es also mit Homebrew.

$ brew install gnuplot

Code zum Zeichnen eines Diagramms der Sin-Funktion und der Cos-Funktion

Python

import numpy as np
import matplotlib
matplotlib.use("AGG") #AGG in Zeichnungsbibliothek(Anti-Grain Geometry)verwenden
import matplotlib.pyplot as plt

#Daten erstellen
x = np.arange(0, 6, 0.1) #0 bis 6 0.In Schritten von 1 generieren
y1 = np.sin(x)
y2 = np.cos(x)

#Geben Sie numerische Daten zur Bestätigung aus
print("x:", *x)
print("y1:", *y1)
print("y2:", *y2)

#Zeichnen eines Diagramms
plt.figure(figsize=(4, 3), dpi=160) #Bildgröße
plt.plot(x, y1, label="sin")
plt.plot(x, y2, linestyle = "--", label="cos") #Zeichnen Sie mit gestrichelten Linien
plt.xlabel("x") #x-Achsenbeschriftung
plt.ylabel("y") #Beschriftung der y-Achse
plt.title("sin & cos") #Titel
plt.legend() #Gebrauchsanweisung
plt.savefig("python_graph.png ")

Ruby

require 'numo/narray'
require 'numo/gnuplot'

#Daten erstellen
x = Numo::DFloat.new(60).seq(0, 0.1) #0 bis 6 0.In Schritten von 1 generieren
y1 = Numo::DFloat::Math.sin(x)
y2 = Numo::DFloat::Math.cos(x)

#Geben Sie numerische Daten zur Bestätigung aus
puts "x: #{x.to_a.join(' ')}"
puts "y1: #{y1.to_a.join(' ')}"
puts "y2: #{y2.to_a.join(' ')}"

#Zeichnen eines Diagramms
g = Numo::gnuplot do
  set term: {png: {size: [640, 480]}} #Bildgröße
  set output: 'ruby_graph.png'
  set title: 'sin \& cos' #Titel
  set key: 'box left bottom'
  set offset: [0, 0, 0, 0]
  plot x, y1, {w: 'lines', lw: 3, title: 'sin'},
       x, y2, {w: 'lines', lw: 3, title: 'cos'}
end

Ausgabebild

Python

python_graph.png

Ruby

ruby_graph.png

Referenzmaterial

--Python vs Ruby "Deep Learning from Grund" Zusammenfassung --Qiita http://qiita.com/niwasawa/items/b8191f13d6dafbc2fede --O'Reilly Japan - Tief lernen von Grund auf https://www.oreilly.co.jp/books/9784873117584/ --GitHub --oreilly-japan / Deep-Learning-from-Scratch: Repository für "Deep Learning from Scratch" https://github.com/oreilly-japan/deep-learning-from-scratch

Recommended Posts

Python vs Ruby "Deep Learning from Grund" Kapitel 1 Diagramm der Sin-Funktion und der Cos-Funktion
Python vs Ruby "Deep Learning von Grund auf neu" Kapitel 3 Diagramm der Schrittfunktion, Sigmoidfunktion, ReLU-Funktion
Python vs Ruby "Deep Learning von Grund auf neu" Kapitel 4 Implementierung der Verlustfunktion
Python vs Ruby "Deep Learning von Grund auf neu" Kapitel 3 Implementierung eines dreischichtigen neuronalen Netzwerks
Python vs Ruby "Deep Learning von Grund auf neu" Zusammenfassung
Python vs Ruby "Deep Learning von Grund auf neu" Kapitel 2 Logikschaltung von Perceptron
Deep Learning von Grund auf neu Die Theorie und Implementierung des mit Python erlernten Deep Learning Kapitel 3
[Deep Learning von Grund auf neu] Implementierung der Momentum-Methode und der AdaGrad-Methode
[Lernnotiz] Deep Learning von Grund auf neu gemacht [Kapitel 7]
Deep Learning / Deep Learning von Grund auf neu Kapitel 6 Memo
[Lernnotiz] Deep Learning von Grund auf neu gemacht [Kapitel 6]
Deep Learning / Deep Learning von Grund auf neu Kapitel 7 Memo
Lernbericht über das Lesen von "Deep Learning von Grund auf neu"
[Lernnotiz] Deep Learning von Grund auf neu gemacht [~ Kapitel 4]
Kapitel 1 Einführung in Python Schneiden Sie nur die guten Punkte des Deeplearning aus, die von Grund auf neu erstellt wurden
Deep Learning von Grund auf neu ① Kapitel 6 "Lerntechniken"
Deep Learning von Grund auf neu Kapitel 2 Perceptron (Memo lesen)
Über flache und tiefe Kopien von Python / Ruby
Deep Learning von Grund auf neu
Anwendung von Deep Learning 2 von Grund auf neu Spam-Filter
Deep Learning von Grund auf 1-3 Kapitel
Ein Amateur stolperte in Deep Learning von Grund auf neu Hinweis: Kapitel 1
Ein Amateur stolperte über Deep Learning ❷ von Grund auf neu Hinweis: Kapitel 5
Ein Amateur stolperte über Deep Learning ❷ von Grund auf neu Hinweis: Kapitel 2
Ein Amateur stolperte in Deep Learning von Grund auf neu Hinweis: Kapitel 3
Ein Amateur stolperte in Deep Learning von Grund auf neu. Hinweis: Kapitel 7
Ein Amateur stolperte in Deep Learning von Grund auf neu Hinweis: Kapitel 5
Ein Amateur stolperte über Deep Learning ❷ von Grund auf neu Hinweis: Kapitel 1
Ein Amateur stolperte über Deep Learning ❷ von Grund auf neu Hinweis: Kapitel 4
Ein Amateur stolperte in Deep Learning von Grund auf neu Hinweis: Kapitel 4
Ein Amateur stolperte in Deep Learning von Grund auf neu Hinweis: Kapitel 2
Kapitel 3 Neuronales Netz Schneiden Sie nur die guten Punkte des Deeplearning aus, die von Grund auf neu erstellt wurden
"Deep Learning from Grund" Memo zum Selbststudium (Teil 8) Ich habe die Grafik in Kapitel 6 mit matplotlib gezeichnet
Kapitel 2 Implementierung von Perceptron Schneiden Sie nur die guten Punkte des Deeplearning aus, die von Grund auf neu erstellt wurden
Deep Learning / Deep Learning von Grund auf neu Kapitel 3 Memo
Deep Learning / Deep Learning von Null 2 Kapitel 5 Memo
Tiefes Lernen von Grund auf neu (Kostenberechnung)
Deep Learning / Deep Learning von Null 2 Kapitel 7 Memo
Deep Learning / Deep Learning von Null 2 Kapitel 8 Memo
Schreiben Sie Ihre Eindrücke von der Deep Learning 3 Framework Edition, die von Grund auf neu erstellt wurde
Deep Learning / Deep Learning von Grund auf neu Kapitel 5 Memo
Deep Learning / Deep Learning von Grund auf neu Kapitel 4 Memo
Deep Learning / Deep Learning von Grund auf neu 2 Kapitel 3 Memo
Deep Learning Memo von Grund auf neu gemacht
"Deep Learning from Grund" Memo zum Selbststudium (Nr. 10-2) Anfangswert des Gewichts
Deep Learning / Deep Learning von Null 2 Kapitel 6 Memo
Realisieren Sie mit Docker und Vagrant die Umgebungskonstruktion für "Deep Learning von Grund auf neu"
Erstellen Sie mit Cloud9 (jupyter miniconda python3) eine Lernumgebung für "Deep Learning von Grund auf neu".
Deep Learning von Grund auf neu - Kapitel 4 Tipps für die in Python erlernte Theorie und Implementierung von Deep Learning
Tiefes Lernen von Grund auf neu (Vorwärtsausbreitung)
Notizen vom Anfang von Python 1 lernen
Bedeutung von Deep-Learning-Modellen und -Parametern
Tiefes Lernen / Tiefes Lernen von Grund auf 2-Versuchen Sie, GRU zu bewegen
"Deep Learning von Grund auf neu" mit Haskell (unvollendet)
[Windows 10] Aufbau einer "Deep Learning from Scratch" -Umgebung
Notizen vom Anfang von Python 2 lernen
[Deep Learning von Grund auf neu] Über die Optimierung von Hyperparametern
"Deep Learning from Grund" Memo zum Selbststudium (Teil 12) Deep Learning
[Python] [Verarbeitung natürlicher Sprache] Ich habe Deep Learning ausprobiert (auf Japanisch von Grund auf neu erstellt)