C#で使えるNumPyライクな数値計算ライブラリ『NumSharp』

C#で書かれたNumPy風の数値計算ライブラリ。Apache License 2.0だそうです。

NumSharp



NumSharpは.NET StandardをターゲットとしたNumPyのC#ポートです。NumSharpはC#で科学計算を行う際に必要なとなる基本的なパッケージを提供します。

Pythonで書かれた機械学習コードをC#に書き直すのは大変ですよね? その理由は、Pythonで使われている関数に対応する機能を.NET SDKでほとんど見つけられないためです。

NumSharpはNumPyのC#版で、関数名やパラメータの配置などのプログラミングインターフェイスをできる限りNumPyに似せています。NumSharpを導入すれば、PythonコードからC#コードへの書き換えが簡単に行えます。

以下はNumSharpとNumPyの比較です。(左:Python, 右:C#):

NumSharp

より詳しい情報はこちらのドキュメントをご覧ください。
https://scisharp.github.io/NumSharp/

NumSharpには、arange, array, max, min, reshape, normalize, uniqueインターフェースが実装されています。今後さらに多くのインターフェースが追加されていく予定です。
.NETで機械学習を始めるなら、NumSharpが最適なライブラリと言えるでしょう。

実装されているAPI

NumSharpは、NDArrayを高レベルで抽象化したNumPyクラスによって、PythonのNumPyと同じように使用できます。
プログラミング言語間の機能差によるAPIの違いを最小限に抑えることで、.NET開発者がPythonコードから.NETコードへシームレスに書き換えられるようになり、幅広いNumPyコードのリソースを活用できるようになります。


スポンサーリンク

NumSharpはNuGetでインストールできる。

まだバージョン1.0にもなっていないけど、開発のモチベーションが面白い。


スポンサーリンク


以前、書籍「ゼロから作るDeep Learning」の内容をUnity C#でやってみる、とか言って数値計算にMath.NET Numericsを使ってやろうとしたけど結局途中で挫折(笑)
書籍『ゼロから作るDeep Learning』で自分なりに学ぶ
もう1年以上前になりますが、書籍「イラストで学ぶ ディープラーニング」を購入して少しずつ読み進めていたのです。↓ところが、読み進めている途中で壁にぶち当たりました。この書籍、途中からどんどん数式率が上がって行き、あんまりイラストで教え...


このNumSharpを使えばもっと手軽にできそうだな。「ゼロから」というか実際には「NumPyで作るDeep Learning」の本だもんね。

NumSharpはもともとSciSharpという、Pythonの機械学習系ライブラリリソースをC# .NET環境でも使えるようにするプロジェクトの一部らしい。
https://medium.com/scisharp

NumSharpはC#で書かれたNumPy風インターフェイスのライブラリだけど、PythonのNumPyを.NETから呼べるようにバインドしたNumpy.NETというプロジェクトが存在する。

Numpy.NET

Numpy.NET

Numpy.NETとNumSharpの比較

観点 Numpy.NET NumSharp
依存関係 CPython / NumPy 特定OS向けのC++ DLL
完了状況 全てのNDarray関数が利用可能 よく使われる関数のサブセットが利用可能
開発スピード 自動でAPIを生成するため速い マンパワー不足のため遅い
正確性 Python版と同様の結果となる Python版と結果が微妙に異なる
実情 numpyの開発に追従しやすい マンパワー不足のため、おそらく後続になる
GPUサポート なし 演算にGPUバックエンドを利用可能
パフォーマンス NumPyからオーバーヘッドを除いたものと同様 未測定

PythonとC# .NETをつないでいる仕組みはPython for .NETというもの。
https://github.com/pythonnet/pythonnet
https://medium.com/scisharp/using-python-libraries-in-net-without-a-python-installation-11124d6190cf

IronPythonだけじゃないんですね。



スポンサーリンク

関連記事

定数
Structure from Motion (多視点画像からの3次元形状復元)
機械学習手法『Random Forest』
RSSフィードを読込んで表示するWordpressプラグイン『RSSImport』
AnacondaとTensorFlowをインストールしてVisual Studio 2015で使う
Google App Engine上のWordPressでAmazonJSを利用する
オープンソースのロボットアプリケーションフレームワーク『ROS (Robot Operating S...
Unityからkonashiをコントロールする
Googleが画像解析旅行ガイドアプリのJetpac社を買収
Managing Software Requirements: A Unified Approach
pythonもかじってみようかと
OpenGVのライブラリ構成
Google Chromecast
Unreal Engineの薄い本
C#で使える可読性重視のディープラーニングライブラリ『KelpNet』
ROSの薄い本
BlenderのPython環境にPyTorchをインストールする
OpenCVの超解像処理モジュール『Super Resolution』
Facebookの顔認証技術『DeepFace』
ArUco:OpenCVベースのコンパクトなARライブラリ
Web経由でRaspberry PiのGPIOを操作したい
プログラムによる景観の自動生成
OpenCVの超解像(SuperResolution)モジュールを試す
Twitter APIのPythonラッパー『python-twitter』
3Dグラフィックスの入門書
Blender 2.8がついに正式リリース!
iOSで使えるJetpac社の物体認識SDK『DeepBelief』
AMIMOTO(PVM版)で作成したインスタンスをAMIMOTO (HVM版)へ移行する
機械学習での「回帰」とは?
オープンソースの物理ベースレンダラ『Mitsuba』をMayaで使う
Unity Scriptコーディング→Unreal Engine Scriptコーディング
WordPress on Google App Engineを1週間運用してみて
為替レートの読み方 2WAYプライス表示
takminさんが機械学習・画像認識の便利ツールを公開しています
ブログが1日ダウンしてました
OpenCVで平均顔を作るチュートリアル
機械学習手法『SVM(Support Vector Machine)』
SDカードサイズのコンピューター『Intel Edison』
PyDataTokyo主催のDeep Learning勉強会
AndroidもopenGLも初心者さ (でもJavaは知ってるよ)
PythonでMayaのShapeノードプラグインを作る
MythTV:Linuxでテレビの視聴・録画ができるオープンソースプロジェクト

コメント