【Clojureでゼロから作るDeep Learning】 1章　Python入門

1.1　Pythonとは

1.2　Pythonのインストール

1.2.1　Pythonのバージョン

2020年3月時点の最新版を利用する。

Clojure 1.10.1

Python 3.8

1.2.2　使用する外部ライブラリ

【Clojure】

Leiningenでプロジェクトを構築する(GitHubリポジトリ: lagenorhynque/deep-learning-from-scratch)。

code:bash

$ lein new deep-learning-from-scratch

code:clojure

(defproject deep-learning-from-scratch "0.1.0-SNAPSHOT"

:description "FIXME: write description"

:url "http://example.com/FIXME"

:license {:name "EPL-2.0 OR GPL-2.0-or-later WITH Classpath-exception-2.0"

:url "https://www.eclipse.org/legal/epl-2.0/"}

:dependencies [clatrix "0.5.0"

incanter "1.9.3"

net.mikera/core.matrix "0.62.0"

org.clojure/clojure "1.10.1"]

:profiles

{:dev {:source-paths "dev/src"

:dependencies [orchestra "2019.02.06-1"

org.clojure/tools.namespace "1.0.0"]}})

code:dev/src/user.clj

(ns user

(:require clojure.repl :refer :all

clojure.spec.alpha :as s

clojure.tools.namespace.repl

orchestra.spec.test :as stest))

(defn refresh options

(let result (apply clojure.tools.namespace.repl/refresh options)

(stest/instrument)

result))

【Python】

本体をpyenvで、ライブラリと仮想環境をPipenvで管理する。

NumPy

Matplotlib

IPython

code:bash

$ cd deep-learing-from-scratch/

$ pipenv install numpy matplotlib

$ pipenv install -d ipython

code:Pipfile

source

name = "pypi"

url = "https://pypi.org/simple"

verify_ssl = true

dev-packages

ipython = "*"

packages

numpy = "*"

matplotlib = "*"

requires

python_version = "3.8"

1.2.3　Anacondaディストリビューション

1.3　Pythonインタプリタ

【Python】

code:bash

$ pipenv shell

$ python --version

Python 3.8.2

$ ipython

Python 3.8.2 (default, Mar 28 2020, 23:36:11)

Type 'copyright', 'credits' or 'license' for more information

IPython 7.13.0 -- An enhanced Interactive Python. Type '?' for help.

In 1:

code:python

In 1: 1 + 2

Out1: 3

【Clojure】

code:bash

$ lein repl

OpenJDK 64-Bit Server VM warning: Options -Xverify:none and -noverify were deprecated in JDK 13 and will likely be removed in a future release.

nREPL server started on port 64301 on host 127.0.0.1 - nrepl://127.0.0.1:64301

REPL-y 0.4.4, nREPL 0.6.0

Clojure 1.10.1

OpenJDK 64-Bit Server VM 14+36-1461

Docs: (doc function-name-here)

(find-doc "part-of-name-here")

Source: (source function-name-here)

Javadoc: (javadoc java-object-or-class-here)

Exit: Control+D or (exit) or (quit)

Results: Stored in vars *1, *2, *3, an exception in *e

user=>

code:clojure

user=> (+ 1 2)

1.3.1　算術計算

Clojureで整数同士の除算 / は割り切れない場合に有理数 clojure.lang.Ratio になる。

code:clojure

user> (- 1 2)

-1

user> (* 4 5)

user> (/ 7 5)

7/5

user> (/ 7.0 5)

1.4

user> (/ 7 5.0)

1.4

user> (double (/ 7 5))

1.4

user> (Math/pow 3 2)

9.0

1.3.2　データ型

code:clojure

user> (type 10)

java.lang.Long

user> (type 2.718)

java.lang.Double

user> (type "hello")

java.lang.String

1.3.3　変数

原則として特殊形式 let によるローカル束縛を利用する。

再代入が必要な場合には atom(もしくは volatile!)の利用も検討する。

トップレベルの定義には def マクロ。

code:clojure

user> (let x 10

(println x))

nil

user> (let x 100

(println x))

100

nil

user> (let [x 100

y 3.14]

(* x y))

314.0

user> (let [x 100

y 3.14]

(type (* x y)))

java.lang.Double

1.3.4　リスト

Clojureではベクター(vector; clojure.lang.IPersistentVector)またはシーケンス(sequence; clojure.lang.ISeq)など。

破壊的な操作が必要な場合にはJava配列(array)の利用も検討する。

code:clojure

user> (let [a 1 2 3 4 5]

(println a))

1 2 3 4 5

nil

user> (let [a 1 2 3 4 5]

(count a))

user> (let [a 1 2 3 4 5]

(nth a 0))

user> (let [a 1 2 3 4 5]

(nth a 4))

user> (let [a 1 2 3 4 5

a' (assoc a 4 99)]

(println a'))

1 2 3 4 99

nil

user> (let [a 1 2 3 4 5

a' (assoc a 4 99)]

(subvec a' 0 2))

1 2

user> (let [a 1 2 3 4 5

a' (assoc a 4 99)]

(subvec a' 1))

2 3 4 99

user> (let [a 1 2 3 4 5

a' (assoc a 4 99)]

(vec (take 3 a')))

1 2 3

user> (let [a 1 2 3 4 5

a' (assoc a 4 99)]

(vec (drop-last 1 a')))

1 2 3 4

user> (let [a 1 2 3 4 5

a' (assoc a 4 99)]

(vec (drop-last 2 a')))

1 2 3

1.3.5　ディクショナリ

Clojureではマップ(map; clojure.lang.IPersistentMap)。

キーには通常、キーワード(keyword)を利用する。

code:clojure

user> (let me {:height 100}

(:height me))

100

user> (let [me {:height 100}

me' (assoc me :weight 70)]

(println me'))

{:height 100, :weight 70}

nil

1.3.6　ブーリアン

code:clojure

user> (let [hungry? true

sleepy? false]

(type hungry?))

java.lang.Boolean

user> (let [hungry? true

sleepy? false]

(not hungry?))

false

user> (let [hungry? true

sleepy? false]

(and hungry? sleepy?))

false

user> (let [hungry? true

sleepy? false]

(or hungry? sleepy?))

true

1.3.7　if文

Clojureでは if 特殊形式、when マクロ、 cond マクロなど。

code:clojure

user> (let hungry? true

(when hungry?

(println "I'm hungry")))

I'm hungry

nil

user> (let hungry? false

(if hungry?

(println "I'm hungry")

(do (println "I'm not hungry")

(println "I'm sleepy"))))

I'm not hungry

I'm sleepy

nil

1.3.8　for文

Clojureでは doseq マクロなど。

code:clojure

user> (doseq [i 1 2 3]

(println i))

nil

1.3.9　関数

Clojureでは defn マクロなど。

文字列連結は str 関数。

code:clojure

user> (defn hello []

(println "Hello World!"))

#'user/hello

user> (hello)

Hello World!

nil

user> (defn hello object

(println (str "Hello " object "!")))

#'user/hello

user> (hello "cat")

Hello cat!

nil

1.4　Pythonスクリプトファイル

1.4.1　ファイルに保存

code:src/deep_learning_from_scratch/ch01/hungry.clj

(ns deep-learning-from-scratch.ch01.hungry)

(defn -main []

(println "I'm hungry!"))

code:bash

$ lein run -m deep-learning-from-scratch.ch01.hungry

I'm hungry!

lein run でのスクリプト実行はLeiningenの起動まで時間が掛かるため、REPLから実行したほうが素早く試せる。

code:clojure

user> (refresh)

:reloading (deep-learning-from-scratch.core deep-learning-from-scratch.core-test user deep-learning-from-scratch.ch01.hungry)

:ok

user> (deep-learning-from-scratch.ch01.hungry/-main)

I'm hungry!

nil

1.4.2　クラス

Clojureはオブジェクト指向言語ではないためクラスを定義することは稀だが、同等の処理は異なる方法で実現できる。

code:src/deep_learning_from_scratch/ch01/man.clj

(ns deep-learning-from-scratch.ch01.man

(:require clojure.spec.alpha :as s))

(s/def ::name string?)

(s/def ::man (s/keys :req ::name))

(s/fdef hello

:args (s/cat :man ::man))

(defn hello man

(println (str "Hello " (::name man) "!")))

(s/fdef goodbye

:args (s/cat :man ::man))

(defn goodbye man

(println (str "Good-bye " (::name man) "!")))

code:clojure

user> (refresh)

:reloading (deep-learning-from-scratch.ch01.man)

:ok

user> (require 'deep-learning-from-scratch.ch01.man :as man)

nil

user> #::man{:name "David"}

#:deep-learning-from-scratch.ch01.man{:name "David"}

user> (let m #::man{:name "David"}

(man/hello m))

Hello David!

nil

user> (let m #::man{:name "David"}

(man/goodbye m))

Good-bye David!

nil

1.5　NumPy

Clojureでの配列/行列の計算にはcore.matrixを利用する。

1.5.1　NumPyのインポート

core.matrixでは複数の実装を切り替えることができる(cf. Matrix implementations · mikera/core.matrix Wiki)が、ここでは :clatrix という指定でClatrixをデフォルト実装として設定している(vectorz-cljの場合は :vectorz)。

+, -, *, / などの記号演算子は clojure.core.matrix.operators に含まれているので適宜利用する。

code:clojure

user> (require 'clojure.core.matrix :as m)

nil

user> (m/set-current-implementation :clatrix)

:clatrix

1.5.2　NumPy配列の生成

code:clojure

user> (m/array 1.0 2.0 3.0)

(1.0 2.0 3.0)

user> (let [x (m/array 1.0 2.0 3.0)]

(println x))

(1.0 2.0 3.0)

nil

user> (let [x (m/array 1.0 2.0 3.0)]

(type x))

clatrix.core.Vector

1.5.3　NumPyの算術計算

code:clojure

user> (let [x (m/array 1.0 2.0 3.0)

y (m/array 2.0 4.0 6.0)]

(m/add x y))

(3.0 6.0 9.0)

user> (let [x (m/array 1.0 2.0 3.0)

y (m/array 2.0 4.0 6.0)]

(m/sub x y))

(-1.0 -2.0 -3.0)

user> (let [x (m/array 1.0 2.0 3.0)

y (m/array 2.0 4.0 6.0)]

(m/mul x y))

(2.0 8.0 18.0)

user> (let [x (m/array 1.0 2.0 3.0)

y (m/array 2.0 4.0 6.0)]

(m/div x y))

(0.5 0.5 0.5)

user> (let [x (m/array 1.0 2.0 3.0)]

(m/div x 2))

(0.5 1.0 1.5)

1.5.4　NumPyのN次元配列

code:clojure

user> (m/array 1 2] [3 4)

A 2x2 matrix

-------------

1.00e+00 2.00e+00

3.00e+00 4.00e+00

user> (let [A (m/array 1 2] [3 4)]

(println A))

A 2x2 matrix

-------------

1.00e+00 2.00e+00

3.00e+00 4.00e+00

nil

user> (let [A (m/array 1 2] [3 4)]

(m/shape A))

2 2

user> (let [A (m/array 1 2] [3 4)]

(m/element-type A))

double

user> (let [A (m/array 1 2] [3 4)

B (m/array 3 0] [0 6)]

(m/add A B))

A 2x2 matrix

-------------

4.00e+00 2.00e+00

3.00e+00 1.00e+01

user> (let [A (m/array 1 2] [3 4)

B (m/array 3 0] [0 6)]

(m/mul A B))

A 2x2 matrix

-------------

3.00e+00 0.00e+00

0.00e+00 2.40e+01

user> (let [A (m/array 1 2] [3 4)]

(m/mul A 10))

A 2x2 matrix

-------------

1.00e+01 2.00e+01

3.00e+01 4.00e+01

1.5.5　ブロードキャスト

code:clojure

user> (let [A (m/array 1 2] [3 4)

B (m/array 10 20)]

(m/mul A B))

A 2x2 matrix

-------------

1.00e+01 4.00e+01

3.00e+01 8.00e+01

1.5.6　要素へのアクセス

code:clojure

user> (let [X (m/array 51 55] 14 19 [0 4)]

(println X))

A 3x2 matrix

-------------

5.10e+01 5.50e+01

1.40e+01 1.90e+01

0.00e+00 4.00e+00

nil

user> (let [X (m/array 51 55] 14 19 [0 4)]

(m/slice X 0))

(51.0 55.0)

user> (let [X (m/array 51 55] 14 19 [0 4)]

(m/mget X 0 1))

55.0

user> (let [X (m/array 51 55] 14 19 [0 4)]

(doseq row X

(println row)))

A 1x2 matrix

-------------

5.10e+01 5.50e+01

A 1x2 matrix

-------------

1.40e+01 1.90e+01

A 1x2 matrix

-------------

0.00e+00 4.00e+00

nil

user> (let [X (m/array 51 55] 14 19 [0 4)

X' (->> X m/eseq m/array)]

(println X'))

(51.0 55.0 14.0 19.0 0.0 4.0)

nil

user> (let [X (m/array 51 55] 14 19 [0 4)

X' (->> X m/eseq m/array)]

(m/select-indices X' 0 2 4))

(51.0 14.0 0.0)

user> (let [X (m/array 51 55] 14 19 [0 4)

X' (->> X m/eseq m/array)]

(->> X' (filter #(> % 15)) m/array))

(51.0 55.0 19.0)

1.6　Matplotlib

Clojureでのグラフの描画、データの可視化にはIncanterを利用する。

1.6.1　単純なグラフの描画

code:clojure:src/deep_learning_from_scratch/ch01/sin_graph.clj

(ns deep-learning-from-scratch.ch01.sin-graph

(:require clojure.core.matrix :as m

incanter.charts :as charts

incanter.core :as incanter))

(defn -main []

(m/set-current-implementation :clatrix)

(let [x (m/array (range 0 6 0.1))

y (m/sin x)]

(doto (charts/xy-plot x y)

incanter/view)))

code:clojure

user> (refresh)

:reloading (deep-learning-from-scratch.ch01.sin-graph)

:ok

user> (deep-learning-from-scratch.ch01.sin-graph/-main)

#objectorg.jfree.chart.JFreeChart 0x5d338ab9 "org.jfree.chart.JFreeChart@5d338ab9"

https://gyazo.com/8314612d928cb27db4ed3e77a206702a

1.6.2　pyplotの機能

code:clojure:src/deep_learning_from_scratch/ch01/sin_cos_graph.clj

(ns deep-learning-from-scratch.ch01.sin-cos-graph

(:require clojure.core.matrix :as m

incanter.charts :as charts

incanter.core :as incanter))

(defn -main []

(m/set-current-implementation :clatrix)

(let [x (m/array (range 0 6 0.1))

y1 (m/sin x)

y2 (m/cos x)]

(doto (charts/xy-plot x y1

:series-label "sin"

:x-label "x"

:y-label "y"

:title "sin & cos"

:legend true)

(charts/add-lines x y2

:series-label "cos")

(charts/set-stroke :dataset 1

:dash 5)

incanter/view)))

code:clojure

user> (refresh)

:reloading (deep-learning-from-scratch.ch01.sin-cos-graph)

:ok

user> (deep-learning-from-scratch.ch01.sin-cos-graph/-main)

#objectorg.jfree.chart.JFreeChart 0x67607a5a "org.jfree.chart.JFreeChart@67607a5a"

https://gyazo.com/91faeed00c163073b6c99cb6c54a3af5

1.6.3　画像の表示

1.7　まとめ

#Clojureで『ゼロから作るDeep_Learning』学習メモ #Clojure #Python