Enviar pesquisa
Carregar
Boost.Graph入門
•
Transferir como PPTX, PDF
•
1 gostou
•
4,023 visualizações
egtra
Seguir
Boost.勉強会 #2のときに使用したスライドです。
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 23
Baixar agora
Recomendados
深層学習と確率プログラミングを融合したEdwardについて
深層学習と確率プログラミングを融合したEdwardについて
ryosuke-kojima
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
hoxo_m
動的輪郭モデル
動的輪郭モデル
Arumaziro
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
horihorio
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
明日使えないすごいビット演算
明日使えないすごいビット演算
京大 マイコンクラブ
BERT入門
BERT入門
Ken'ichi Matsui
Recomendados
深層学習と確率プログラミングを融合したEdwardについて
深層学習と確率プログラミングを融合したEdwardについて
ryosuke-kojima
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
hoxo_m
動的輪郭モデル
動的輪郭モデル
Arumaziro
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
horihorio
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
明日使えないすごいビット演算
明日使えないすごいビット演算
京大 マイコンクラブ
BERT入門
BERT入門
Ken'ichi Matsui
マルチコアを用いた画像処理
マルチコアを用いた画像処理
Norishige Fukushima
RAFT: Recurrent All-Pairs Field Transforms for Optical Flow
RAFT: Recurrent All-Pairs Field Transforms for Optical Flow
MasanoriSuganuma
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Kenichi Sonoda
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
深層学習の数理:カーネル法, スパース推定との接点
深層学習の数理:カーネル法, スパース推定との接点
Taiji Suzuki
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
Koji Asami
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
MPRG_Chubu_University
最適化超入門
最適化超入門
Takami Sato
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
Fixstars Corporation
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
宏喜 佐野
20171128分散深層学習とChainerMNについて
20171128分散深層学習とChainerMNについて
Preferred Networks
サーベイ論文:画像からの歩行者属性認識
サーベイ論文:画像からの歩行者属性認識
Yasutomo Kawanishi
条件分岐とcmovとmaxps
条件分岐とcmovとmaxps
MITSUNARI Shigeo
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
Fisher Vectorによる画像認識
Fisher Vectorによる画像認識
Takao Yamanaka
Pythonはどうやってlen関数で長さを手にいれているの?
Pythonはどうやってlen関数で長さを手にいれているの?
Takayuki Shimizukawa
Python入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニング
Yuichi Ito
Start Concurrent
Start Concurrent
Akira Takahashi
error handling using expected
error handling using expected
Akira Takahashi
Mais conteúdo relacionado
Mais procurados
マルチコアを用いた画像処理
マルチコアを用いた画像処理
Norishige Fukushima
RAFT: Recurrent All-Pairs Field Transforms for Optical Flow
RAFT: Recurrent All-Pairs Field Transforms for Optical Flow
MasanoriSuganuma
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Kenichi Sonoda
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
深層学習の数理:カーネル法, スパース推定との接点
深層学習の数理:カーネル法, スパース推定との接点
Taiji Suzuki
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
Koji Asami
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
MPRG_Chubu_University
最適化超入門
最適化超入門
Takami Sato
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
Fixstars Corporation
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
宏喜 佐野
20171128分散深層学習とChainerMNについて
20171128分散深層学習とChainerMNについて
Preferred Networks
サーベイ論文:画像からの歩行者属性認識
サーベイ論文:画像からの歩行者属性認識
Yasutomo Kawanishi
条件分岐とcmovとmaxps
条件分岐とcmovとmaxps
MITSUNARI Shigeo
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
Fisher Vectorによる画像認識
Fisher Vectorによる画像認識
Takao Yamanaka
Pythonはどうやってlen関数で長さを手にいれているの?
Pythonはどうやってlen関数で長さを手にいれているの?
Takayuki Shimizukawa
Python入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニング
Yuichi Ito
Mais procurados
(20)
マルチコアを用いた画像処理
マルチコアを用いた画像処理
RAFT: Recurrent All-Pairs Field Transforms for Optical Flow
RAFT: Recurrent All-Pairs Field Transforms for Optical Flow
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
深層学習の数理:カーネル法, スパース推定との接点
深層学習の数理:カーネル法, スパース推定との接点
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
SIGNATE 国立国会図書館の画像データレイアウト認識 1st place solution
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
最適化超入門
最適化超入門
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
20171128分散深層学習とChainerMNについて
20171128分散深層学習とChainerMNについて
サーベイ論文:画像からの歩行者属性認識
サーベイ論文:画像からの歩行者属性認識
条件分岐とcmovとmaxps
条件分岐とcmovとmaxps
グラフィカルモデル入門
グラフィカルモデル入門
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
backbone としての timm 入門
backbone としての timm 入門
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Fisher Vectorによる画像認識
Fisher Vectorによる画像認識
Pythonはどうやってlen関数で長さを手にいれているの?
Pythonはどうやってlen関数で長さを手にいれているの?
Python入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニング
Destaque
Start Concurrent
Start Concurrent
Akira Takahashi
error handling using expected
error handling using expected
Akira Takahashi
C++14 solve explicit_default_constructor
C++14 solve explicit_default_constructor
Akira Takahashi
Boost container feature
Boost container feature
Akira Takahashi
Boost Tour 1_58_0 merge
Boost Tour 1_58_0 merge
Akira Takahashi
C++1z draft
C++1z draft
Akira Takahashi
Multi paradigm design
Multi paradigm design
Akira Takahashi
Boost tour 1_61_0 merge
Boost tour 1_61_0 merge
Akira Takahashi
Destaque
(8)
Start Concurrent
Start Concurrent
error handling using expected
error handling using expected
C++14 solve explicit_default_constructor
C++14 solve explicit_default_constructor
Boost container feature
Boost container feature
Boost Tour 1_58_0 merge
Boost Tour 1_58_0 merge
C++1z draft
C++1z draft
Multi paradigm design
Multi paradigm design
Boost tour 1_61_0 merge
Boost tour 1_61_0 merge
Mais de egtra
Visual C++コード分析を支えるSAL
Visual C++コード分析を支えるSAL
egtra
エクストリームC++11/14プログラミング
エクストリームC++11/14プログラミング
egtra
Visual C++ 2015の紹介(C++11/14的に)
Visual C++ 2015の紹介(C++11/14的に)
egtra
Casablanca
Casablanca
egtra
Firefox拡張機能を始める
Firefox拡張機能を始める
egtra
ATLに見る魔術
ATLに見る魔術
egtra
再変換 (K2Editor)
再変換 (K2Editor)
egtra
C++11概要 ライブラリ編
C++11概要 ライブラリ編
egtra
char32_tとXpressiveと
char32_tとXpressiveと
egtra
Boost.Range入門
Boost.Range入門
egtra
Mais de egtra
(10)
Visual C++コード分析を支えるSAL
Visual C++コード分析を支えるSAL
エクストリームC++11/14プログラミング
エクストリームC++11/14プログラミング
Visual C++ 2015の紹介(C++11/14的に)
Visual C++ 2015の紹介(C++11/14的に)
Casablanca
Casablanca
Firefox拡張機能を始める
Firefox拡張機能を始める
ATLに見る魔術
ATLに見る魔術
再変換 (K2Editor)
再変換 (K2Editor)
C++11概要 ライブラリ編
C++11概要 ライブラリ編
char32_tとXpressiveと
char32_tとXpressiveと
Boost.Range入門
Boost.Range入門
Último
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
Shota Ito
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
Atomu Hidaka
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
furutsuka
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
iPride Co., Ltd.
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
iPride Co., Ltd.
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
osamut
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
Último
(9)
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Boost.Graph入門
1.
Boost.Graph入門の入門 H.22/09/11 Egtra
Boost.勉強会 #2
2.
自己紹介 Egtra Twitter:
@egtra
3.
お約束など #include <boost/graph/adjacency_list.hpp>
残念ながらほかのヘッダの出番はありません using namespace boost; 主にスペースの都合 注意: C++0xのauto使います 主にスペースの都合
4.
グラフ 「頂点」(vertex) と「辺」(edge)からなるデータ構造
5.
6.
さっそく使ってみる
7.
頂点と辺の操作 その1 変数を作る
adjacency_list<> g; 頂点の追加 auto u = add_vertex(g); auto v = add_vertex(g); 辺の追加 auto result = add_edge(u, v, g); auto edge = result.first;
8.
頂点と辺の操作 その2 辺の削除
remove_edge(edge, g); または remove_edge(u, v, g); 頂点の削除 remove_vertex(v, g); すべて削除 g.clear();
9.
中をたどる auto t
= vertices(g); BOOST_FOREACH(auto e, t){ std::cout << e << std::endl;} eはu, vと同じ型 さらに、この例では整数型(必ずではない)
10.
Rangeです これもコンパイル・実行可能。 std::for_each( boost::begin(t), boost::end(t), ……);
t | pstade::oven::……
11.
さらにRange (1) 接する頂点
auto t = adjacent_vertices(v, g) v
12.
さらにRange (2) 接する辺
auto t = adjacent_edges(v, g) v
13.
おまけ 残り時間の許すところまで進みます。
14.
頂点と辺の型 頂点 adjacency_list<>::vertex_descriptor
またはgraph_traits<adjacency_list<>> ::vertex_descriptor 辺 adjacency_list<>::edge_descriptor またはgraph_traits<adjacency_list<>> ::edge_descriptor
15.
その他読み取り関数 辺->両端の頂点 : source,
target 両端の頂点->辺 : edge, edge_range インデックス->頂点 : vertex 頂点の数 : num_vertices 辺の数 : num_edges すべての辺 : edges
16.
Boost.Graphに入門するまであと一歩
17.
adjacency_list (1) ずばり「グラフ型」(の1つ)
Boost.Graphを使い始める最大の難関 テンプレート引数が多い adjacency_list<OutEdgeList, VertexList, Directed, VertexProperties, EdgeProperties, GraphProperties, EdgeList> ドキュメント見る気がなくなる
18.
adjacency_list (2) OutEdgeList,
VertexList 頂点と辺にどんなコンテナを使うか 挿入・削除・参照などの時間が変化 削除時に記述子が無効になるか否かが変化 Directed 有向グラフか無向グラフか 残りのテンプレート引数 入門の入門では扱いません
19.
扱わなかったもの 以下、Boost.Graphに入門したらきっと使う機会が出てくるでしょう プロパティマップ
アルゴリズム breadth_first_search depth_first_search Etc…… Graphviz形式入出力
20.
まとめ: グラフへの操作 参照
辺・頂点の数 すべての辺・頂点 ある頂点から伸びる辺 ある辺に接する頂点(2つ) 変更 頂点を加える・取り除く 辺を加える・取り除く
Baixar agora