常連

注目の的

社会貢献

質問力

自己紹介

Python 3.4.3 で作業をしております。


seedメソッドの動きについて調べていたところ以下のような記述がありました。

> np.random.seed
> の引数を指定してやれば毎回同じ乱数が出る
> ※引数の値は何でも良い

そのため、以下のように動作させてみたところ、毎回違う乱数が発生します。

今回はseedの引数を0にしておりますが、これを100にしたりしてもやはり
毎回違う乱数が発生します。

```
>>> from numpy.random import *
>>> import numpy as np
>>> N = 100

>>> np.random.seed(0)

>>> np.random.randn(N, 2)
array([[ 1.76405235,  0.40015721],
       [ 0.97873798,  2.2408932 ],
       [ 1.86755799, -0.97727788]])
>>> np.random.randn(N, 2)
array([[ 0.95008842, -0.15135721],
       [-0.10321885,  0.4105985 ],
       [ 0.14404357,  1.45427351]])
>>> np.random.randn(N, 2)
array([[ 0.76103773,  0.12167502],
       [ 0.44386323,  0.33367433],
       [ 1.49407907, -0.20515826]])
```


私のやり方で何かおかしなところがあるのでしょうか？

それともそもそも

> 毎回同じ乱数が出る

というのは私のイメージしている同じ乱数とはちがうのでしょうか？



私は以下のような結果が出てくるのかと思ってました。

```
>>> np.random.randn(N, 2)
array([[ 0.76103773,  0.12167502],
       [ 0.44386323,  0.33367433],
       [ 1.49407907, -0.20515826]])

>>> np.random.randn(N, 2)
array([[ 0.76103773,  0.12167502],
       [ 0.44386323,  0.33367433],
       [ 1.49407907, -0.20515826]])

>>> np.random.randn(N, 2)
array([[ 0.76103773,  0.12167502],
       [ 0.44386323,  0.33367433],
       [ 1.49407907, -0.20515826]])

```

どなたか教えて頂けないでしょうか？
宜しくお願いします。

np.random.seed() で引数に数値を入れたら、乱数を固定してくれるはずなのに固定されませんでした。なぜでしょうか？

shapeとsizeの違いがわからないです。
```ここに言語を入力
# coding: utf-8

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os

import numpy as np


al=np.array([0,1,2,3])
print(al)
print(al.ndim)
print(al.shape)
print(al.size)

```
と書いたコードを実行したときに
```ここに言語を入力
[0 1 2 3]

1

(4,)

4
```
と出力されました。
shapeは(4,)で、sizeは4で果たして何が違うのでしょうか？
さらに、shapeは 各次元の要素数 (行数, 列数) であることはわかるのですが（sizeは配列の要素数）この場合だと、１行４列の配列であると思うので(4,1)であるのでは？と思います。何が間違っているのでしょうか？

shapeとsizeの違いがわからない

### 前提・実現したいこと

kerasのfit関数の引数batch_sizeについてです。
半年ほどニューラルネットワークを勉強しているんですが、つまずきました。
batch_sizeについてですが、以下の事が解だと思っています。

１， バッチ分データを分割して学習（batch_size=2, data_set=400の場合、400/2回学習）、割り切れなかったりした場合は切り捨て？して計算してくれる（はず）
2, batch_size=1であれば確率的になる。
3, 指定しない場合はDefault=32となる（Noneでも）。
4, batch_sizeは2^nで決めると良い。（ケースバイケース）

これらのことから、あまり深く決める必要はないと感じました。
が、しかし、

### 発生している問題・エラーメッセージ
batch_size=8の場合です。
なぜでしょうか。
これはどの部分を指しているのでしょうか。
```
Incompatible shapes: [8] vs. [8,64,64]
```
また、batch_size=64にした場合、こうなります。
よく分かりません。

```
Incompatible shapes: [24] vs. [24,64,64]
```
合わすことができれば、こういう風に計算できると思うんですが…
```
x = np.ones(64)
y = np.ones((64, 64, 64))
dot = np.dot(x, y)
```
### 該当のソースコード
長いので、関連がありそうな部分だけを載せます。
trainは664、validateは166
Convが１層しかない簡単なネットワークです。

h = 64
w = 64
d = 3
入出力は、
Input
in  :(None, 64, 64, 3)
out:(None, 64, 64, 3)
Conv2D
in  :(None, 64, 64, 3)
out:(None, 64, 64, 64)
Dense
in  :(None, 64, 64, 64)
out:(None, 64, 64, 64)
Dense
in  :(None, 64, 64, 64)
out:(None, 64, 64, 3)

```Python3
class teratail(object):
    def __init__(self, h, w, d, label):
        self.inputs = Input(shape=(h, w, d), name="inputs")
        self.x = Conv2D(64, 3, padding="same", activation="relu")(self.inputs)
        self.x = Dense(64, activation="relu")(self.x)
        self.outputs = Dense(label, activation="softmax")(self.x)

    def create_model(self):
        self.model = Model(self.inputs, self.outputs, name="network")

    def model_compile(self):
        loss_object = tf.losses.CategoricalCrossentropy()
        optimizer = tf.optimizers.Adam(lr=1e-4)

        self.model.compile(loss=loss_object,
                           optimizer=optimizer,
                           metrics=["accuracy"])

    def model_fit(self, x_train, y_train, epochs=10):

        _return = self.model.fit(x_train, y_train,
                                 batch_size=8,
                                 epochs=epochs,
                                 validation_split=0.2,
                                 )
        self.model.summary()

```
お願いします。

kerasのbatch_sizeについて（分からない）

mglearn.discrete_scatter(X[:, 0], X[:, 1], y, ax=ax)

上のコードの意味を詳しく教えてもらえないでしょうか？
第一引数のX[:, 0]は、X軸を表して、Xのすべての値とy=0の部分を表していて、
第二引数のX[:, 1]は、y軸を表していて、Xのすべての値とy=1を表しているのでしょうか？
第三引数は、タイトルですよね？　yがタイトルってことでしょうか？
最後のax=axは、軸を列にする、で良いでしょうか？

よろしくお願いします。

Pythonのコードdiscrete_scatterについて。

実行環境
windwos10

anacondaで、
conda create -n 環境名
と入力して仮想環境を作ったのですがそこでいろいろパッケージをインストールしすぎたので、
conda remove -n 環境名　--all
でその仮想環境を削除しました。
（conda info -eで確認）
ですがCドライブのメモリ容量に変化がありません。
どうすれば削除した仮想環境分の容量を回復できるでしょうか？

Anaconda 仮想環境を完全に削除する方法

pythonのraiseについて調べたのですがいまいち感覚がつかめません
```python
# -*- coding: utf-8 -*-

class Test(object):
    def __init__(self, *name):
        self.name = name

    def plus(self):
        try:
            s = 0
            for i in range(len(self.name)):
                s += self.name[i]
            if s >= 20:
                raise TypeError('type-err desu!')
            else:
                return print(s)

        except Exception as e:
            print(type(e))

i = Test(2, 3, 5, 10)
i.plus()
```
こんな感じでテキトウに書いてみて、print(type(e))でeにはraiseしたTypeErrorが入っていることが分かりました。
ただ、raiseについて解説されているサイトをみると、
```python
# -*- coding: utf-8 -*-

class Test(object):
    def __init__(self, *name):
        self.name = name

    def plus(self):
        try:
            s = 0
            for i in range(len(self.name)):
                s += self.name[i]
            if s >= 20:
                raise TypeError('type_err desu!')
            else:
                return print(s)

        except Exception as e:
            print(type(e))
            raise

i = Test(2, 3, 5, 10)
i.plus()
```
こんな感じでexcept:の中に「raise」と書かれているものを目にします。これは一体なんなのですか？自分で色々試してみたのですが、いまいち何をしているのか分かりませんでした
raiseは何をしているんですか？
また、raise ???Error("hogehoge")と書かれたもの、単にraiseと書かれたコードがtry:の中にあったり、except:の中にあったりするのですが、これは一体...
また、
* raiseは意図的に例外を発生させるためのもの
という認識でいいのでしょうか？

Pythonのraiseについて

Ruby on Railsでアプリ作成中うまくいかなくなり、
```
git reset --hard xxxxxxxx
```
として以前のcommitまで戻り、修正しました。
改めて、いつものように
```
git add~commit
```
まで実行し、
```
git push origin master:master
```
を実行したところ、
```
master -> master (non-fast-forward)
hint: Updates were rejected because the tip of your current branch is behind
hint: its remote counterpart. Integrate the remote changes (e.g.
hint: 'git pull ...') before pushing again.
hint: See the 'Note about fast-forwards' in 'git push --help' for details.
```
と表示されてしまいました。
一度git reset --hardで過去に戻って修正加えたファイルを再度githubへpullするにはどうしたら良いのでしょうか？
自分でも検索してるのですがよく分かりません。

ご教授願います。