Jupyter / matplotlib / numpy > 2次元の乱数を取得し、2D画像にする実装 > v0.2, v0.3

動作環境

GeForce GTX 1070 (8GB)
ASRock Z170M Pro4S [Intel Z170chipset]
Ubuntu 14.04 LTS desktop amd64
TensorFlow v0.11
cuDNN v5.1 for Linux
CUDA v8.0
Python 2.7.6
IPython 5.1.0 -- An enhanced Interactive Python.
gcc (Ubuntu 4.8.4-2ubuntu1~14.04.3) 4.8.4
GNU bash, version 4.3.8(1)-release (x86_64-pc-linux-gnu)

タイトルのことをしたい。

v0.2 > np.random.randint()使用

Jupyter code.

map_2d_randomNums.ipynb

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm

'''
on Python 2.7.6

v0.2 Mar. 18, 2017
  - show in 2D map
v0.1 Mar. 18, 2017
  - add get_2d_random_nums()
'''

def get_2d_random_nums(xsize, ysize):
    MAXVAL_PLUS_ONE = 65536
    ints = np.random.randint(MAXVAL_PLUS_ONE, size=(xsize,ysize))
    # print(ints)

    flts = ints / float(MAXVAL_PLUS_ONE)
    # print(flts)
    return flts

NUM_SAMPLES = 200

# 1. get random numbers in 2D
arr_2d = get_2d_random_nums(NUM_SAMPLES,2) # [0,1)

# 2. show in 2D map 
SIZE_MAP_X = 50
SIZE_MAP_Y = 50
rmap = [[0.0 for yi in range(SIZE_MAP_Y)] for xi in range(SIZE_MAP_X)]
for xval,yval in arr_2d:
    xidx = (SIZE_MAP_X * xval).astype(int)
    yidx = (SIZE_MAP_Y * yval).astype(int)
    rmap[xidx][yidx] = 100.0 # not adding

wrkarr = np.array(rmap)
figmap = np.reshape(wrkarr, (SIZE_MAP_X, SIZE_MAP_Y))
plt.imshow(figmap, extent=(0, SIZE_MAP_X, 0, SIZE_MAP_Y), cmap=cm.jet)
plt.show()

38行目において、2D化する時に100という数字を代入しているが、これは任意の値。
jetというカラーで分布が分かる値として使っているだけ。

色は以下からjetを適当に選択した。とりあえず分布が分かる色にはなった。
http://matplotlib.org/examples/color/colormaps_reference.html

N=200

N=10000

分布が偏っている。
Halton Sequenceを使うか。http://qiita.com/7of9/items/7a8920531fd715d0b75a

v0.3 > Halton Sequence 使用

http://qiita.com/7of9/items/7a8920531fd715d0b75a
のv0.3の実装を使用して、Halton Sequenceを使用するようにしてみた。

map_2d_randomNums.ipynb

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
from UtilHaltonSequence import CHaltonSequence

'''
on Python 2.7.6

v0.4 Mar. 20, 2017
  - add get_2d_QMC()
  - use [Halton Sequence] for (xval, yval)
v0.3 Mar. 18, 2017
  - increase [SIZE_MAP_X], [SIZE_MAP_Y]
  - increase [NUM_SAMPLES]
v0.2 Mar. 18, 2017
  - show in 2D map
v0.1 Mar. 18, 2017
  - add get_2d_random_nums()
'''
# codingrule:PEP8


def get_2d_random_nums(xsize, ysize):
    MAXVAL_PLUS_ONE = 65536
    ints = np.random.randint(MAXVAL_PLUS_ONE, size=(xsize, ysize))
    # print(ints)

    flts = ints / float(MAXVAL_PLUS_ONE)
    # print(flts)
    return flts


def get_2d_QMC(xsize):
    alist = []
    for idx in range(0, xsize):
        xwrk, ywrk = CHaltonSequence.calc_Halton_sequence(index=idx)
        alist.append([xwrk, ywrk])
    # print(alist)
    return np.array(alist)

NUM_SAMPLES = 10000

# 1. get random numbers in 2D
#
# a. np.random.randint()
# arr_2d = get_2d_random_nums(NUM_SAMPLES,2) # [0,1)
# b. QMC using Halton Sequence
arr_2d = get_2d_QMC(NUM_SAMPLES)  # [0, 1)

# 2. show in 2D map
SIZE_MAP_X = 130
SIZE_MAP_Y = 130
rmap = [[0.0 for yi in range(SIZE_MAP_Y)] for xi in range(SIZE_MAP_X)]
for xval, yval in arr_2d:
    xidx = (SIZE_MAP_X * xval).astype(int)
    yidx = (SIZE_MAP_Y * yval).astype(int)
    rmap[xidx][yidx] = 100.0  # not adding

wrkarr = np.array(rmap)
figmap = np.reshape(wrkarr, (SIZE_MAP_X, SIZE_MAP_Y))
plt.imshow(figmap, extent=(0, SIZE_MAP_X, 0, SIZE_MAP_Y), cmap=cm.jet)
plt.show()

N=10000(v0.2) > np.random.randint()使用

N=10000(v0.3) > Halton Sequence使用

分布は均一化した。

問題はtraining dataset, validation dataset, test datasetをどのように分けるのか。
http://qiita.com/7of9/items/d970baf3322b93efb02b