ruby-dnn 0.2.2 → 0.3.0

checksums.yaml

@@ -1,7 +1,7 @@
 ---
 SHA256:
-  metadata.gz: 5ab676b5d5bb17163dfc274ff37f3164c2008d5fd17e8c411085202f123c206d
-  data.tar.gz: '099f3fce9dc95457e23e31b44fa4557151adb367d19e5189988eb0b7d63044a2'
+  metadata.gz: 42cb9aa824ed0c969932f6f5f17a6ef461ebc945ffe11a3eeb304a9c134bb8f2
+  data.tar.gz: d92e71d07b69f3ffbb6acced5cbfde129c8496c18a3a6b89f9817ac29204b79f
 SHA512:
-  metadata.gz: d4576bf98e350e9dcb9ec7e6e787da23e19cf504b6cba2c4892385aa946d383439d50456e1e4acf16b3202f28faa05da29f9e8594d2106cb126d0a1f28d44731
-  data.tar.gz: 8162cf4f8ef0f5f560c5e52a28aa6c9278d59b74835a00101c971435da9204c9ce0255aaf8ee024315f53dcf6c7917aeee37c18a4c0f8a07da119fa218f5a2fd
+  metadata.gz: d0eed09e32fbab61aca4691493a3d15c47abbed7ee3cb035c3e77933d17045276cca8140eb88c9de425a040a2de4d26c245a434c4084d0054bdf4a6f0848ba6f
+  data.tar.gz: 81fbf5b6e8109903f0b95f03d3287c48b0443e0445ec9b27128299ab087c3b664282cbe7f9ef5b8e7d109f08eb29df13b9e1de382afee299e6f773d28c00462f

data/API-Reference.ja.md

@@ -2,7 +2,7 @@
 ruby-dnnのAPIリファレンスです。このリファレンスでは、APIを利用するうえで必要となるクラスとメソッドしか記載していません。
 そのため、プログラムの詳細が必要な場合は、ソースコードを参照してください。
 
-対応バージョン:0.2.2
+最終更新バージョン:0.3.0
 
 # module DNN
 ruby-dnnの名前空間をなすモジュールです。
@@ -238,6 +238,7 @@ Hash
 入力層に該当するレイヤーです。モデルの先頭レイヤーは、必ずこのクラスのインスタンスでなければなりません。
 
 ## 【Instance methods】
+
 ## def initialize(dim_or_shape)
 コンストラクタ
 ### arguments
@@ -258,6 +259,7 @@ Float
 重み減衰の係数を取得します。
 
 ## 【Instance methods】
+
 ## def initialize(num_nodes, weight_initializer: nil, bias_initializer: nil, weight_decay: 0)
 コンストラクタ。
 ### arguments
@@ -277,22 +279,23 @@ nilを指定すると、Zerosイニシャライザーが使用されます。
 畳み込みレイヤーを扱うクラスです。
 
 ## 【Instance methods】
-## def initialize(num_filters, filter_width, filter_height, weight_initializer: nil, bias_initializer: nil, strides: [1, 1], padding false, weight_decay: 0)
+
+## def initialize(num_filters, filter_size, weight_initializer: nil, bias_initializer: nil, strides: 1, padding false, weight_decay: 0)
 コンストラクタ。
 ### arguments
 * Integer num_filters  
-出力するフィルターの枚数
-* Integer filter_width
-フィルターの横の長さ
-* Integer filter_height  
-フィルターの縦の長さ
+出力するフィルターの枚数。
+* Integer | Array filter_size  
+フィルターの横と縦の長さ。
+Arrayで指定する場合、[Integer width, Integer height]の形式で指定します。
 * Initializer weight_initializer: nil  
 重みの初期化に使用するイニシャライザーを設定します
 nilを指定すると、RandomNormalイニシャライザーが使用されます。  
 * Initializer bias_initializer: nil  
 バイアスの初期化に使用するイニシャライザーを設定します。
-* Array<Integer> strides: [1, 1]  
-畳み込みを行う際のストライドの単位を指定します。配列の要素0でy軸方向のストライドを設定し、要素1でx軸方向のストライドを設定します。
+* Array<Integer> strides: 1  
+畳み込みを行う際のストライドの単位を指定します。
+Arrayで指定する場合、[Integer width, Integer height]の形式で指定します。
 * bool padding: true  
 イメージに対してゼロパディングを行うか否かを設定します。trueを設定すると、出力されるイメージのサイズが入力されたイメージと同じになるように
 ゼロパディングを行います。
@@ -304,15 +307,17 @@ nilを指定すると、RandomNormalイニシャライザーが使用されま
 maxプーリングを行うレイヤーです。
 
 ## 【Instance methods】
-## def initialize(pool_width, pool_height, strides: nil, padding: false)
+
+## def initialize(pool_size, strides: nil, padding: false)
 コンストラクタ。
 ### arguments
-* Integer pool_width  
-プーリングを行う横の長さ。
-* Integer pool_height  
-プーリングを行う縦の長さ。
+* Integer | Array pool_size  
+プーリングを行う横と縦の長さ。
+Arrayで指定する場合、[Integer width, Integer height]の形式で指定します。
 * Array<Integer> strides: nil  
-畳み込みを行う際のストライドの単位を指定します。配列の要素0でy軸方向のストライドを設定し、要素1でx軸方向のストライドを設定します。なお、nilが設定された場合は、[pool_width, pool_height]がstridesの値となります。
+畳み込みを行う際のストライドの単位を指定します。
+Arrayで指定する場合、[Integer width, Integer height]の形式で指定します。
+なお、nilが設定された場合は、pool_sizeがstridesの値となります。
 * bool padding: true  
 イメージに対してゼロパディングを行うか否かを設定します。trueを設定すると、出力されるイメージのサイズが入力されたイメージと同じになるように
 ゼロパディングを行います。
@@ -322,13 +327,13 @@ maxプーリングを行うレイヤーです。
 逆プーリングを行うレイヤーです。
 
 ## 【Instance methods】
-## def initialize(unpool_width, unpool_height)
+
+## def initialize(unpool_size)
 コンストラクタ。
 ### arguments
-* Integer unpool_width  
-逆プーリングを行う横の長さ。
-* Integer unpool_height
-逆プーリングを行う縦の長さ。
+* Integer unpool_size  
+逆プーリングを行う横と縦の長さ。
+Arrayで指定する場合、[Integer width, Integer height]の形式で指定します。
 
 
 # class Flatten
@@ -339,6 +344,7 @@ N次元のデータを平坦化します。
 データの形状を変更します。
 
 ## 【Instance methods】
+
 ## def initialize(shape)
 コンストラクタ。
 ### arguments
@@ -349,6 +355,8 @@ N次元のデータを平坦化します。
 # class OutputLayer < Layer
 出力層に該当するレイヤーです。出力層の活性化関数は、全てこのクラスを継承する必要があります。
 
+## 【Instance methods】
+
 ## abstruct def backward(y)
 出力層の活性化関数と損失関数を合わせたものを微分した導関数を用いて、教師データの出力データを逆方向に伝搬します。
 ### arguments
@@ -369,6 +377,7 @@ SFloat y
 # class Dropout
 学習の際に、一部のノードを非活性化させるクラスです。
 
+## 【Instance methods】
 ## def initialize(dropout_ratio)
 コンストラクタ。
 ### arguments
@@ -427,6 +436,8 @@ LeakyReLU関数のレイヤーです。
 # class Initializer
 全てのInitializeクラスのスーパークラスです。
 
+## 【Instance methods】
+
 ## def init_param(layer, param_key, param)
 レイヤーの持つパラメータを更新します。
 ### arguments
@@ -445,6 +456,7 @@ LeakyReLU関数のレイヤーです。
 # class RandomNormal < Initializer
 パラメータを正規分布による乱数で初期化します。
 
+## 【Instance methods】
 ## def initialize(mean = 0, std = 0.05)
 ### arguments
 * Float mean = 0  

data/LIB-API-Reference.ja.md

@@ -1,6 +1,6 @@
 # LIB-APIリファレンス
 ruby-dnnの付属ライブラリのリファレンスです。  
-対応バージョン:0.1.6
+最終更新バージョン:0.3.0
 
 
 # dnn/lib/mnist
@@ -72,26 +72,26 @@ Array
 
 
 # dnn/lib/image_io
-画像のin/outを行うライブラリです。内部でstb_imageとstb_image_writeを使用しています。
+画像のin/outを行うライブラリです。内部でstb_image.hとstb_image_write.hを使用しています。
 
 
 # module ImageIO
 
 ## def self.read(file_name)
-画像をNumo::UInt8形式で読み込みます。
+画像をXumo::UInt8形式で読み込みます。
 ### arguments
 * String file_name  
 読み込む画像のファイル名。
 ### return
-Numo::UInt8  
-[width, height, rgb]のNumo::UInt8配列。
+Xumo::UInt8  
+[width, height, rgb]のXumo::UInt8配列。
 
 ## def self.write(file_name, nary, quality: 100)
-Numo::UInt8形式の画像を書き込みます。
+Xumo::UInt8形式の画像を書き込みます。
 ### arguments
 * String file_name  
 書き込む画像のファイル名。
-* Numo::UInt8  
-[width, height, rgb]のNumo::UInt8配列。
+* Xumo::UInt8  
+[width, height, rgb]のXumo::UInt8配列。
 * Integer quality: 100
 画像をJPEGで書き込む場合のクオリティ。

data/examples/cifar10_example.rb

@@ -25,21 +25,21 @@ model = Model.new
 
 model << InputLayer.new([32, 32, 3])
 
-model << Conv2D.new(16, 5, 5, padding: true)
+model << Conv2D.new(16, 5, padding: true)
 model << BatchNormalization.new
 model << ReLU.new
 
-model << Conv2D.new(16, 5, 5, padding: true)
+model << Conv2D.new(16, 5, padding: true)
 model << BatchNormalization.new
 model << ReLU.new
 
-model << MaxPool2D.new(2, 2)
+model << MaxPool2D.new(2)
 
-model << Conv2D.new(32, 5, 5, padding: true)
+model << Conv2D.new(32, 5, padding: true)
 model << BatchNormalization.new
 model << ReLU.new
 
-model << Conv2D.new(32, 5, 5, padding: true)
+model << Conv2D.new(32, 5, padding: true)
 model << BatchNormalization.new
 model << ReLU.new
 

data/examples/mnist_example2.rb

@@ -25,13 +25,13 @@ model = Model.new
 
 model << InputLayer.new([28, 28, 1])
 
-model << Conv2D.new(16, 5, 5)
+model << Conv2D.new(16, 5)
 model << BatchNormalization.new
 model << ReLU.new
 
-model << MaxPool2D.new(2, 2)
+model << MaxPool2D.new(2)
 
-model << Conv2D.new(32, 5, 5)
+model << Conv2D.new(32, 5)
 model << BatchNormalization.new
 model << ReLU.new
 

data/lib/dnn.rb

@@ -1,6 +1,8 @@
 require "numo/narray"
 
-Numo::SFloat.srand(rand(2**64))
+Xumo = Numo
+
+Xumo::SFloat.srand(rand(2**64))
 
 module DNN; end
 

data/lib/dnn/core/activations.rb

@@ -3,16 +3,10 @@ module DNN
     Layer = Layers::Layer
     OutputLayer = Layers::OutputLayer
 
-
-    module SigmoidFunction
+    class Sigmoid < Layer
       def forward(x)
         @out = 1.0 / (1 + NMath.exp(-x))
       end
-    end
-
-
-    class Sigmoid < Layer
-      include SigmoidFunction
     
       def backward(dout)
         dout * (1.0 - @out) * @out
@@ -21,7 +15,7 @@ module DNN
 
 
     class Tanh < Layer
-      include Numo
+      include Xumo
 
       def forward(x)
         @x = x
@@ -50,7 +44,7 @@ module DNN
 
 
     class LeakyReLU < Layer
-      include Numo
+      include Xumo
 
       def initialize(alpha = 0.3)
         @alpha = alpha
@@ -112,8 +106,15 @@ module DNN
 
 
     class SigmoidWithLoss < OutputLayer
-      include Numo
-      include SigmoidFunction
+      include Xumo
+
+      def initialize
+        @sigmoid = Sigmoid.new
+      end
+
+      def forward(x)
+        @out = @sigmoid.forward(x)
+      end
 
       def backward(y)
         @out - y

data/lib/dnn/core/layers.rb

@@ -3,7 +3,7 @@ module DNN
 
     #Super class of all optimizer classes.
     class Layer
-      include Numo
+      include Xumo
 
       def initialize
         @built = false
@@ -212,8 +212,8 @@ module DNN
       end
 
       def out_size(prev_w, prev_h, fil_w, fil_h, strides)
-        out_w = (prev_w - fil_w) / strides[1] + 1
-        out_h = (prev_h - fil_h) / strides[0] + 1
+        out_w = (prev_w - fil_w) / strides[0] + 1
+        out_h = (prev_h - fil_h) / strides[1] + 1
         [out_w, out_h]
       end
     end
@@ -223,25 +223,24 @@ module DNN
       include Initializers
       include Convert
     
-      def initialize(num_filters, filter_width, filter_height,
+      def initialize(num_filters, filter_size,
                      weight_initializer: nil,
                      bias_initializer: nil,
-                     strides: [1, 1],
+                     strides: 1,
                      padding: false,
                      weight_decay: 0)
         super()
         @num_filters = num_filters
-        @filter_width = filter_width
-        @filter_height = filter_height
+        @filter_size = filter_size.is_a?(Integer) ? [filter_size, filter_size] : filter_size
         @weight_initializer = (weight_initializer || RandomNormal.new)
         @bias_initializer = (bias_initializer || Zeros.new)
-        @strides = strides
+        @strides = strides.is_a?(Integer) ? [strides, strides] : strides
         @padding = padding
         @weight_decay = weight_decay
       end
 
       def self.load_hash(hash)
-        Conv2D.new(hash[:num_filters], hash[:filter_width], hash[:filter_height],
+        Conv2D.new(hash[:num_filters], hash[:filter_size],
                    weight_initializer: Util.load_hash(hash[:weight_initializer]),
                    bias_initializer: Util.load_hash(hash[:bias_initializer]),
                    strides: hash[:strides],
@@ -251,21 +250,21 @@ module DNN
 
       def build(model)
         super
-        prev_width, prev_height = prev_layer.shape[0..1]
-        @out_width, @out_height = out_size(prev_width, prev_height, @filter_width, @filter_height, @strides)
+        prev_w, prev_h = prev_layer.shape[0..1]
+        @out_size = out_size(prev_w, prev_h, *@filter_size, @strides)
+        out_w, out_h = @out_size
         if @padding
-          @pad = [prev_width - @out_width, prev_height - @out_height]
-          @out_width = prev_width
-          @out_height = prev_height
+          @pad = [prev_w - out_w, prev_h - out_h]
+          @out_size = [prev_w, prev_h]
         end
       end
 
       def forward(x)
         x = padding(x, @pad) if @padding
         @x_shape = x.shape
-        @col = im2col(x, @out_width, @out_height, @filter_width, @filter_height, @strides)
+        @col = im2col(x, *@out_size, *@filter_size, @strides)
         out = @col.dot(@params[:weight])
-        out.reshape(x.shape[0], @out_width, @out_height, out.shape[3])
+        out.reshape(x.shape[0], *@out_size, out.shape[3])
       end
 
       def backward(dout)
@@ -277,20 +276,19 @@ module DNN
         end
         @grads[:bias] = dout.sum(0)
         dcol = dout.dot(@params[:weight].transpose)
-        dx = col2im(dcol, @x_shape, @out_width, @out_height, @filter_width, @filter_height, @strides)
+        dx = col2im(dcol, @x_shape, *@out_size, *@filter_size, @strides)
         @padding ? back_padding(dx, @pad) : dx
       end
 
       def shape
-        [@out_width, @out_height, @num_filters]
+        [*@out_size, @num_filters]
       end
 
       def to_hash
         {
           name: self.class.name,
           num_filters: @num_filters,
-          filter_width: @filter_width,
-          filter_height: @filter_height,
+          filter_size: @filter_size,
           weight_initializer: @weight_initializer.to_hash,
           bias_initializer: @bias_initializer.to_hash,
           strides: @strides,
@@ -303,7 +301,7 @@ module DNN
     
       def init_params
         num_prev_filter = prev_layer.shape[2]
-        @params[:weight] = SFloat.new(num_prev_filter * @filter_width * @filter_height, @num_filters)
+        @params[:weight] = SFloat.new(num_prev_filter * @filter_size.reduce(:*), @num_filters)
         @params[:bias] = SFloat.new(@num_filters)
         @weight_initializer.init_param(self, :weight)
         @bias_initializer.init_param(self, :bias)
@@ -314,50 +312,52 @@ module DNN
     class MaxPool2D < Layer
       include Convert
 
-      def initialize(pool_width, pool_height, strides: nil, padding: false)
+      def initialize(pool_size, strides: nil, padding: false)
         super()
-        @pool_width = pool_width
-        @pool_height = pool_height
-        @strides = strides ? strides : [@pool_width, @pool_height]
+        @pool_size = pool_size.is_a?(Integer) ? [pool_size, pool_size] : pool_size
+        @strides = if strides
+          strides.is_a?(Integer) ? [strides, strides] : strides
+        else
+          @pool_size.clone
+        end
         @padding = padding
       end
 
       def self.load_hash(hash)
-        MaxPool2D.new(hash[:pool_width], hash[:pool_height], strides: hash[:strides], padding: hash[:padding])
+        MaxPool2D.new(hash[:pool_size], strides: hash[:strides], padding: hash[:padding])
       end
 
       def build(model)
         super
-        prev_width, prev_height = prev_layer.shape[0..1]
+        prev_w, prev_h = prev_layer.shape[0..1]
         @num_channel = prev_layer.shape[2]
-        @out_width, @out_height = out_size(prev_width, prev_height, @pool_width, @pool_height, @strides)
+        @out_size = out_size(prev_w, prev_h, *@pool_size, @strides)
+        out_w, out_h = @out_size
         if @padding
-          @pad = [prev_width - @out_width, prev_height - @out_height]
-          @out_width = prev_width
-          @out_height = prev_height
+          @pad = [prev_w - out_w, prev_h - out_h]
+          @out_size = [prev_w, prev_h]
         end
       end
 
       def forward(x)
         x = padding(x, @pad) if @padding
         @x_shape = x.shape
-        col = im2col(x, @out_width, @out_height, @pool_width, @pool_height, @strides)
-        col = col.reshape(x.shape[0] * @out_width * @out_height * x.shape[3], @pool_width * @pool_height)
+        col = im2col(x, *@out_size, *@pool_size, @strides)
+        col = col.reshape(x.shape[0] * @out_size.reduce(:*) * x.shape[3], @pool_size.reduce(:*))
         @max_index = col.max_index(1)
-        col.max(1).reshape(x.shape[0], @out_width, @out_height, x.shape[3])
+        col.max(1).reshape(x.shape[0], *@out_size, x.shape[3])
       end
 
       def backward(dout)
-        pool_size = @pool_width * @pool_height
-        dmax = SFloat.zeros(dout.size * pool_size)
+        dmax = SFloat.zeros(dout.size * @pool_size.reduce(:*))
         dmax[@max_index] = dout.flatten
-        dcol = dmax.reshape(dout.shape[0..2].reduce(:*), dout.shape[3] * pool_size)
-        dx = col2im(dcol, @x_shape, @out_width, @out_height, @pool_width, @pool_height, @strides)
+        dcol = dmax.reshape(dout.shape[0..2].reduce(:*), dout.shape[3] * @pool_size.reduce(:*))
+        dx = col2im(dcol, @x_shape, *@out_size, *@pool_size, @strides)
         @padding ? back_padding(dx, @pad) : dx
       end
 
       def shape
-        [@out_width, @out_height, @num_channel]
+        [*@out_size, @num_channel]
       end
 
       def to_hash
@@ -375,34 +375,36 @@ module DNN
     class UnPool2D < Layer
       include Convert
 
-      def initialize(unpool_width, unpool_height)
+      def initialize(unpool_size)
         super()
-        @unpool_width = unpool_width
-        @unpool_height = unpool_height
+        @unpool_size = unpool_size.is_a?(Integer) ? [unpool_size, unpool_size] : unpool_size
       end
 
       def self.load_hash(hash)
-        UnPool2D.new(hash[:unpool_width], hash[:unpool_height])
+        UnPool2D.new(hash[:unpool_size])
       end
 
       def build(model)
         super
-        @origin_width = prev_layer.shape[0]
-        @origin_height = prev_layer.shape[1]
-        @out_width = @origin_width * @unpool_width
-        @out_height = @origin_height * @unpool_height
+        prev_w, prev_h = prev_layer.shape[0..1]
+        unpool_w, unpool_h = @unpool_size
+        out_w = prev_w * unpool_w
+        out_h = prev_h * unpool_h
+        @out_size = [out_w, out_h]
         @num_channel = prev_layer.shape[2]
       end
 
       def forward(x)
-        unpool_size = @unpool_width * @unpool_height
-        x2 = SFloat.zeros(x.shape[0], x.shape[1], @unpool_width, x.shape[2], @unpool_height, x.shape[3])
+        @x_shape = x.shape
+        unpool_w, unpool_h = @unpool_size
+        x2 = SFloat.zeros(x.shape[0], x.shape[1], unpool_w, x.shape[2], unpool_h, @num_channel)
         x2[true, true, 0, true, 0, true] = x
-        x2.reshape(x.shape[0], @out_width, @out_height, x.shape[3])
+        x2.reshape(x.shape[0], *@out_size, x.shape[3])
       end
 
       def backward(dout)
-        dout = dout.reshape(dout.shape[0], @origin_width, @unpool_width, @origin_height, @unpool_height, dout.shape[3])
+        unpool_w, unpool_h = @unpool_size
+        dout = dout.reshape(dout.shape[0], @x_shape[0], unpool_w, @x_shape[1], unpool_h, @num_channel)
         dout[true, true, 0, true, 0, true].clone
       end
 
@@ -413,8 +415,7 @@ module DNN
       def to_hash
         {
           name: self.class.name,
-          unpool_width: @unpool_width,
-          unpool_height: @unpool_height,
+          unpool_size: @unpool_size,
         }
       end
     end
@@ -500,7 +501,7 @@ module DNN
       end
     
       def backward(dout)
-        dout[@mask] = 0 if @model.training
+        dout[@mask] = 0 if @model.training?
         dout
       end
 

data/lib/dnn/core/model.rb

@@ -3,7 +3,7 @@ require "base64"
 
 module DNN
   class Model
-    include Numo
+    include Xumo
     
     attr_accessor :layers
     attr_reader :optimizer

data/lib/dnn/core/optimizers.rb

@@ -112,7 +112,7 @@ module DNN
 
 
     class Adam < Optimizer
-      include Numo
+      include Xumo
       
       attr_accessor :beta1
       attr_accessor :beta2

data/lib/dnn/core/version.rb

@@ -1,3 +1,3 @@
 module DNN
-  VERSION = "0.2.2"
+  VERSION = "0.3.0"
 end

data/lib/dnn/ext/dataset_loader/dataset_loader.c

@@ -17,7 +17,7 @@ VALUE mnist_load_images(VALUE self, VALUE rb_bin, VALUE rb_num_images, VALUE rb_
   VALUE rb_na;
   narray_data_t* na_data;
 
-  sprintf(script, "Numo::UInt8.zeros(%d, %d, %d)", num_images, cols, rows);
+  sprintf(script, "Xumo::UInt8.zeros(%d, %d, %d)", num_images, cols, rows);
   rb_na = rb_eval_string(&script[0]);
   na_data = RNARRAY_DATA(rb_na);
 
@@ -35,7 +35,7 @@ VALUE mnist_load_labels(VALUE self, VALUE rb_bin, VALUE rb_num_labels) {
   VALUE rb_na;
   narray_data_t* na_data;
 
-  sprintf(script, "Numo::UInt8.zeros(%d)", num_labels);
+  sprintf(script, "Xumo::UInt8.zeros(%d)", num_labels);
   rb_na = rb_eval_string(&script[0]);
   na_data = RNARRAY_DATA(rb_na);
 
@@ -57,13 +57,13 @@ VALUE cifar10_load(VALUE self, VALUE rb_bin, VALUE rb_num_datas) {
   int k = 0;
   int size = CIFAR10_WIDTH * CIFAR10_HEIGHT * CIFAR10_CHANNEL;
 
-  sprintf(script, "Numo::UInt8.zeros(%d, %d, %d, %d)", num_datas, CIFAR10_CHANNEL, CIFAR10_WIDTH, CIFAR10_HEIGHT);
+  sprintf(script, "Xumo::UInt8.zeros(%d, %d, %d, %d)", num_datas, CIFAR10_CHANNEL, CIFAR10_WIDTH, CIFAR10_HEIGHT);
   rb_na_x = rb_eval_string(&script[0]);
   na_data_x = RNARRAY_DATA(rb_na_x);
   for(i = 0; i < 64; i++) {
     script[i] = 0;
   }
-  sprintf(script, "Numo::UInt8.zeros(%d)", num_datas);
+  sprintf(script, "Xumo::UInt8.zeros(%d)", num_datas);
   rb_na_y = rb_eval_string(&script[0]);
   na_data_y = RNARRAY_DATA(rb_na_y);
 

data/lib/dnn/ext/dataset_loader/numo/narray.h

@@ -128,7 +128,7 @@ extern int na_debug_flag;
 
 #ifndef NARRAY_C
 extern VALUE numo_cNArray;
-extern VALUE rb_mNumo;
+extern VALUE rb_mXumo;
 extern VALUE nary_eCastError;
 extern VALUE nary_eShapeError;
 extern VALUE nary_eOperationError;
@@ -140,7 +140,7 @@ extern const rb_data_type_t na_data_type;
 #endif
 
 #define cNArray numo_cNArray
-#define mNumo rb_mNumo
+#define mXumo rb_mXumo
 //#define na_upcast(x,y) numo_na_upcast(x,y)
 
 /* global variables within this module */

data/lib/dnn/ext/image_io/image_io_ext.c

@@ -17,7 +17,7 @@ VALUE image_io_read(VALUE self, VALUE rb_file_name) {
   VALUE rb_na;
   narray_data_t* na_data;
   pixels = stbi_load(file_name, &width, &height, &bpp, 3);
-  sprintf(script, "Numo::UInt8.zeros(%d, %d, 3)", width, height);
+  sprintf(script, "Xumo::UInt8.zeros(%d, %d, 3)", width, height);
   rb_na = rb_eval_string((char*)script);
   na_data = RNARRAY_DATA(rb_na);
   memcpy(na_data->ptr, pixels, na_data->base.size);

data/lib/dnn/ext/image_io/numo/narray.h

@@ -128,7 +128,7 @@ extern int na_debug_flag;
 
 #ifndef NARRAY_C
 extern VALUE numo_cNArray;
-extern VALUE rb_mNumo;
+extern VALUE rb_mXumo;
 extern VALUE nary_eCastError;
 extern VALUE nary_eShapeError;
 extern VALUE nary_eOperationError;
@@ -140,7 +140,7 @@ extern const rb_data_type_t na_data_type;
 #endif
 
 #define cNArray numo_cNArray
-#define mNumo rb_mNumo
+#define mXumo rb_mXumo
 //#define na_upcast(x,y) numo_na_upcast(x,y)
 
 /* global variables within this module */

metadata

@@ -1,14 +1,14 @@
 --- !ruby/object:Gem::Specification
 name: ruby-dnn
 version: !ruby/object:Gem::Version
-  version: 0.2.2
+  version: 0.3.0
 platform: ruby
 authors:
 - unagiootoro
 autorequire: 
 bindir: exe
 cert_chain: []
-date: 2018-07-15 00:00:00.000000000 Z
+date: 2018-07-16 00:00:00.000000000 Z
 dependencies:
 - !ruby/object:Gem::Dependency
   name: numo-narray