kleine Mathe-Spielereien

[OSWALD]

26.8.2024
Leider musste ich meinen PV zurücksetzen.
Inkompatible Namensräume bereinigen.
Module und Pakete neu erstellen
OSWALD

[OSWALD]

26.8.2024
Die Problematik mit den 'Abhängigkeiten wird hier beschgrieben:
ohttps://blog.german-smartbrain.com/python-dependency-management.html#python-abhangigkeiten-verstehen
Gute Zeit OSWALD

[OSWALD]

27.8.2024
Ein Versuch Pakete zu löschen.
'Abhängigkeiten' wirklich zu beseitigen.
Mit folgendem Code auf Windows Power Shell.
Ausgehend davon , dass Tensorflow und torch tatsächlich Pakete und nicht nur Module sind,
konnte ich beide sowohl löschen als auch neu installieren.
Wie gesagt ein Versuch. Kann das bestätigt werden ?
gute Zeit OSWALD

Code: Alles auswählen

   py -m pip uninstall      SomePackage

[Dennis89]

Ja, siehe hier:
https://pip.pypa.io/en/stable/cli/pip_uninstall/

Windows nutzt soweit ich weis `py`als alias für `python`.

Grüße
Dennis

[OSWALD]

27.8.2024
Tatsächlich konnte ich viele Programme zum Laufen bringen
die ich vorher nicht vollenden konnte, weil wie z.B
hier nur auf 'Halde' lagen, weil 'statsmodels' nicht gefunden wurde.
Zuerst habe ich das Packet gelöscht . Meldung nicht vorhanden.
Dann installiert. Meldung satisfied.
Dann hat es auch geklappt.
Manhmal geht die Installation eben anders als erwartet.

Hier das kleine Programmbeispiel
OSWALD

Code: Alles auswählen

py- -m pip   uninstall   statsmodels
python -m pip install statsmodels

[__blackjack__]

Wenn das nicht deinstalliert werden konnte weil es nicht vorhanden war, dann hätte auch einfach installieren gereicht.

[OSWALD]

8.9.2024
Seitdem mir Microsoft ein großes Werbeschild von Samsung (HDTV,SERIESPIPMOVIEHAMI
auf meinen Bildschirm gesetzt hat, lklappt
bei mir gar nichts mehr.
Das Plakat versperrt die Sicht , alle Versuche zur Beseitigung schlagen fehl.
Ich kann meine PC nicht mehr korrekt bedienen.
Das Internet ikst voll mit beschwerden und guten Ratschlägen.
OSWALD

[Dennis89]

Ich verstehe zwar das Problem nicht, aber ich habe eine Lösung: Nutze doch Linux

[OSWALD]

10.9.2024
Problem Werbeplakat von Samsung beseitigt.
Lösung:
Werbung und mein Monitor sind von Samsung. !!
Windows Oberfläche ist lediglich das Objekt.

Ursache liegt im Samsung Monitor. Von dort wird Werbung gesteuert.


Fernbedienung :
Drücken auf Tools.
Auf Bildmodus -> Standard
Löschen SRS-TS -HD
Löschen E -Pop Hier ist der Sünder !
Weg ist das Plakat
Da mein Monitor nur für den PC verwendet wird ,
können zur Sicherheit auch noch weitere <Modi Bedarf gelöscht werden.
Gute Zeit OSWALD
(Nur wer stetig sich bemüht, den können wir erlösen (Faust II)

[OSWALD]

Ich versuche jetzt, mich über ' NUMPY-Arrays als kleinem Datensatz ' dem
Thema Neurales Netzwerk mit mehreren Codes zu nähern.
ich versuche also immer größere numpy.Arrays als Datensatz auszuprobieren.
in diesem eifachen Fall kann ich u.a. durch Veränderung von Argumenten
die Größe des Fehlers in Abhängigkeit von der Zahl de rEpochen nachvollziehen.
Jetzt kann ich also wieder ungehindert zu spielen.
Gute Zeit OSWALD

Code: Alles auswählen

import numpy as np

# Eingabedaten
X = np.array([[0, 0, 1],
              [0, 1, 1],
              [1, 0, 1],
              [1, 1, 1]])

print(X)
# Erwartete Ausgabedaten
y = np.array([[0],
              [1],
              [1],
              [0]])
 
print(y)
# Anzahl der Eingabe- und Ausgabeneuronen
input_neurons = X.shape[1]
output_neurons = y.shape[1]

# Anzahl der Neuronen in der versteckten Schicht
hidden_neurons = 10


# Definition der Aktivierungsfunktion (Sigmoid)
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

# Definition der Ableitung der Aktivierungsfunktion (Sigmoid)
def sigmoid_derivative(x):
    return x * (1 - x)

weights_input_hidden = np.random.rand(input_neurons, hidden_neurons)
# Gewichte zwischen versteckter Schicht und Ausgabe
weights_hidden_output = np.random.rand(hidden_neurons, output_neurons)

# Anzahl der Epochen für das Training
epochs = 5

# Trainingschleife
for epoch in range(epochs):
    # Vorwärtspropagation (Forward Propagation)
    hidden_layer_input = np.dot(X, weights_input_hidden)
    hidden_layer_output = sigmoid(hidden_layer_input)
    output = sigmoid(np.dot(hidden_layer_output, weights_hidden_output))
    
    # Berechnung des Fehlers (Error)
    error = y - output
    print("Fehler :",y-output)
    # Rückwärtspropagation (Backpropagation) und Gewichtsanpassung
    d_weights_hidden_output = np.dot(hidden_layer_output.T, error * sigmoid_derivative(output))
    d_weights_input_hidden = np.dot(X.T, np.dot(error * sigmoid_derivative(output), weights_hidden_output.T) * sigmoid_derivative(hidden_layer_output))
    
    weights_hidden_output += d_weights_hidden_output
    weights_input_hidden += d_weights_input_hidden

# Ausgabe der finalen Vorhersage
print(output)

[OSWALD]

14.9.2024
An diesem Beispiel kann man erkennen, dass im Zusammenhang mit Tensorflow
zusammen Probleme mit dser Darstellung auftreten. GPU fehlt.
Jetzt werde ich versuchen den Code ohne Tensorflow vollständig in Gang zu bringen.
OSWALD

Code: Alles auswählen

import tensorflow as tf
import numpy as np 


# Beispieltrainingsdaten und -labels
train_features = np.array([[1,1], [1, 2], [2, 0], [2, 2]], dtype=np.float64)
train_labels = np.array([[1], [2], [2], [1]], dtype=np.float64)
 

# Erstellen eines TensorFlow-Datensatzes
train_dataset = tf.data.Dataset.from_tensor_slices((train_features, train_labels))
train_dataset = train_dataset.shuffle(buffer_size=4).batch(2)    


# Neuronales Netzwerk erstellen
model = tf.keras.Sequential([
    tf.keras.layers.Dense(16, activation='relu', input_shape=(2,)),
    tf.keras.layers.Dense(16, activation='relu'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])  

# Modell kompilieren
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])        

# Modell trainieren
model.fit(train_dataset, epochs=20)
# Beispieltestdaten

test_features = np.array([[1,1], [1, 2], [2, 1], [2, 2]], dtype=np.float32)


# Vorhersagen treffen
predictions = model.predict(test_features)


# Ausgabe der Vorhersagen
print(predictions)  
/code]