差分

このページの2つのバージョン間の差分を表示します。

--- ディープラーニング入門_2025 [2025/03/18 06:49] – [for文] suikou
+++ ディープラーニング入門_2025 [2025/03/24 07:23] (現在) – [練習問題3-1] suikou
@@ 行 137: / 行 137: @@
 - returnは関数の戻り値を指定する
 - 関数内部で定義した変数は関数内部でしか使用できない（ローカル変数）
-- 逆に関数の外で定義した変数（グローバル変数）にも初期状態ではアクセスできない
+- 逆に関数の外で定義した変数（グローバル変数）にはアクセス可能
 ### 練習問題 2-1
-引数の絶対値を返す関数absを定義してみる
+引数に5を足す関数plus5を定義し、引数に3を与えて呼び出してみる。
 ### 配列
@@ 行 184: / 行 183: @@
 [[https://utokyo-ipp.github.io/4/4-1.html#%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB%E5%85%A8%E4%BD%93%E3%81%AE%E8%AA%AD%E3%81%BF%E8%BE%BC%E3%81%BF]]
 ### 練習問題 2-3
-．下記のファイルは2024年度の学生実験で得られたナノポアのシーケンスデータ(FASTQファイル)です。これをGoogle Colabにアップロードし、ファイルを読み取り、リード数を調べてみる。（リード数=行数/4）
+．下記のファイルは2024年度の学生実験で得られたナノポアのシーケンスデータ(FASTQファイル)です。これをGoogle Colabにアップロードし、ファイルを読み取り、リード数を調べてみる。（リード数=行数/4）　read()で読み込んだ文字列を改行で分割してリストにするには```split("\n")```を使う。Macの人は「\」を入力するにはAlt＋「\（￥）」を押す。
 [[https://suikou.fs.a.u-tokyo.ac.jp/yosh_data/2024jissyu/fastq/3-eDNA.fq]]
-．FASTQファイルは4行で1リードの情報が書かれていて、2行目に塩基配列の情報が記載されています。塩基配列の長さの合計値を記録し、最後にリード数で割って平均リード長を求めてください。ヒント：10割る3の余りは1ですよね。そのように余りを求める演算子は「%」で、「10 % 3」の結果は「1」です。
+．FASTQファイルは4行で1リードの情報が書かれていて、2行目に塩基配列の情報が記載されています。塩基配列の長さの合計値を記録し、最後にリード数で割って平均リード長を求めてください。ヒント：10割る3の余りは1ですよね。そのように余りを求める演算子は「%」で、「10 % 3」の結果は「1」です。文字列の長さはlen("文字列")で取得可能です。平均リード長=合計リード長/リード数
 {{:pasted:20201026-181800.png}}
@@ 行 198: / 行 196: @@
 クラス、インスタンス、モジュール、Colabのランタイム変更、手書き数字の認識
+[[https://colab.research.google.com/|Google Colab]]で「手書き文字を認識するプログラムを書いて」と入力してAIにコードを生成してもらいましょう。
+### コメント
+[[https://utokyo-ipp.github.io/1/1-1.html#%E3%82%B3%E3%83%A1%E3%83%B3%E3%83%88]]
+### 関数のデフォルト値
+[[https://www.javadrive.jp/python/userfunc/index5.html#google_vignette]]
 ### クラス、インスタンス
-[[https://www.tohoho-web.com/python/class.html]]
+[[https://utokyo-ipp.github.io/6/6-3.html]]
+### 練習問題3-1
+```
+A) `'Hello.\n'` ではなくて、「ようこそ"引数"」と出力するaisatsuメソッドを作ってください。
+B)「初期化時に指定された文字列＋何回呼び出されたか」を文字列で返す aisatsu メソッドを持つ新しいクラス SayCount を定義してください。ヒント：数字から文字列への変換はstr(数字)で行います。
+```
 ### モジュール
@@ 行 207: / 行 222: @@
 [[https://qiita.com/niwaka_dev/items/6e3d9ff6d797243c77c3]]
+### 練習問題3-2
+先ほどのSayCountクラスをsay.pyファイルとして保存して、Google Colabにアップロードし、自作sayモジュールをimportで読み込んで、適当な引数で初期化して使ってみる。
+### 手書き文字認識
+```
+# prompt: 手書き文字を認識するプログラムを書いて
+!pip install tensorflow
+!pip install keras
+!pip install pillow
+import tensorflow as tf
+from tensorflow import keras
+from tensorflow.keras import layers
+from PIL import Image
+import numpy as np
+# MNISTデータセットをロード
+(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
+# データの前処理
+x_train = x_train.astype('float32') / 255.0
+x_test = x_test.astype('float32') / 255.0
+y_train = keras.utils.to_categorical(y_train, num_classes=10)
+y_test = keras.utils.to_categorical(y_test, num_classes=10)
+# モデルの構築
+model = keras.Sequential([
+    layers.Flatten(input_shape=(28, 28)),
+    layers.Dense(128, activation='relu'),
+    layers.Dense(10, activation='softmax')
+])
+# モデルのコンパイル
+model.compile(optimizer='adam',
+              loss='categorical_crossentropy',
+              metrics=['accuracy'])
+# モデルの学習
+model.fit(x_train, y_train, epochs=5)
+# モデルの評価
+test_loss, test_acc = model.evaluate(x_test, y_test)
+print('Test accuracy:', test_acc)
+# 手書き文字の認識
+def recognize_handwritten_digit(image_path):
+  img = Image.open(image_path).convert('L').resize((28, 28))
+  img_array = np.array(img)
+  img_array = img_array.astype('float32') / 255.0
+  img_array = np.expand_dims(img_array, axis=0)
+  prediction = model.predict(img_array)
+  digit = np.argmax(prediction)
+  return digit
+# 手書き文字画像のパスを指定して認識
+image_path = 'path/to/your/handwritten_digit.png'  # 手書き文字画像のパスに置き換えてください
+recognized_digit = recognize_handwritten_digit(image_path)
+print('Recognized digit:', recognized_digit)
+```
+{{:pasted:20250320-165737.png}}
+Mac用のペイントソフト: [[https://paintbrush.sourceforge.io/downloads/|Paintbrush]]
+{{2.png}}
+手書き文字は黒字に白文字で書くこと！
+### Colabのランタイム変更
+[[https://qiita.com/skillup_ai/items/7fa5359330a6c572d7ce#3tensorflow%E3%81%AE%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%BC%E3%83%AB%E6%96%B9%E6%B3%95]]
+参考：T4のGPUカードのお値段
+{{:pasted:20250319-191452.png}}
+### 畳み込みニューラルネットワーク(CNN)
+動物の脳が光情報を処理するメカニズム　[[https://ja.wikipedia.org/wiki/%E8%A6%96%E8%A6%9A%E9%87%8E]]
+CNNについて [[https://tech.nkhn37.net/tensorflow-keras-cnn-basic-mnist/]], [[https://ndk.co.jp/wp-content/uploads/2023/08/tp_20230810-2.pdf]]
+### 最終課題
+CNNを利用して手書き文字を認識するプログラムを作る。いくつか手書き文字を作成し、実際の正答率を調べてみる。