标签: embedding

我正在使用ps2pdf14Ghostscript附带的实用程序,我遇到了字体问题.

我传递给命令的指令似乎并不重要,它坚持对它在源文档中找到的任何字体进行子集化.

例如

-dPDFSETTINGS#/prepress 
-dEmbedAllFonts#true 
-dSubsetFonts#false 
-dMaxSubsetPct#0

请注意,#是因为该命令在Windows上运行,它与=相同.

如果有人知道如何告诉ps2pdf不要使用子集字体,我将非常感激.

-------------------------- Notes ----------------------- -------------------

源文件是包含嵌入字体的PDF,因此它是已经嵌入在源文件中的字体,我需要防止它成为目标文件中的子集.

目前所有源文件嵌入字体都是子集,在某些情况下,这从字体名称来看并不明显,即它不包含散列,并且乍一看似乎是完整字体,但宽度数组在所有情况下都是子集.

我需要在基于C的应用程序中运行Python脚本.我能够从Python库导入标准模块,即:

PyRun_SimpleString("import sys")

但是当我尝试导入本地模块时 can

PyRun_SimpleString("import can")

返回错误消息:

Traceback (most recent call last):
  File "<string>", line 1, in <module>
ImportError: No module named can

Run Code Online (Sandbox Code Playgroud)

当我import can在IPython中键入命令时,系统能够找到它.

如何将我的应用程序与can链接？我已经尝试设置PYTHONPATH到我的工作目录.

我刚刚进入高级C++编程(面向对象),我一直在寻找如何将C++程序嵌入普通浏览器的时间.老实说,我不知道怎么做.我的想法与使用脚本类型标记嵌入JavaScript的方式相同.有人可以帮我理解如何做到这一点吗？

昨天我决定改进我的网站加载YouTube视频的方式,只需在用户请求时嵌入它们.有时一个页面可能有多达30个视频,这需要很长时间才能加载.

这是我第一次尝试"延迟加载"方法的任何东西,我认为这是值得问的:

我该怎么做才能改善这个？

我怎样才能让它更优雅一点？

这完全错过了延迟加载的点吗？

JSFiddle.

忽略样式,因为这与此无关.

这种方式的工作方式是首先在包含视频ID的页面上放置一个锚点:

<a href="#" data-video="FzRH3iTQPrk" class="youtube-video">

然后,jQuery循环遍历每个a.youtube-video并创建一个透明的跨度,视频的缩略图作为其背景:

$('a.youtube-video').each(function() {
    var videoId = $(this).attr('data-video');
    var videoThumbnail = "http://img.youtube.com/vi/" + videoId + "/0.jpg";

    var videoBackground = $('<span class="youtube-thumbnail"></span>');

    videoBackground.css({
        background:"#fff url('"+videoThumbnail+"') no-repeat"
    })
    ...

然后它修改了锚标记的样式(这是为了防止影响浏览器禁用JavaScript):

    $(this).css({
        height:315,
        width:460,
        position:"relative",
        display:"block",
        textAlign:"center",
        color:"#fff",
        fontSize:26
    });

然后通过将span添加到锚点来完成循环:

    $(this).text('Click to load video');
    $(this).append(videoBackground);
});

嵌入的YouTube视频对象的加载发生在锚单击上:

$('a.youtube-video').click(function(e) {
    e.preventDefault();
    var videoId = $(this).attr('data-video');
    var videoThumbnail = "http://img.youtube.com/vi/" + videoId + "/0.jpg";
    var videoEmbed = $('<object> ... </object>'); …

我正在尝试用C++调用另一个应用程序.由于输入文件中的语法错误,嵌入式应用程序会受到分段错误的影响,因此外部程序将负责重新运行内部和记录失败.

我的直接想法是依靠内部程序的返回值.所以我开始尝试这个.我写了一个虚拟程序Inner.cpp:

#include <iostream>

int main()
{
    std::cout << "Inner" << std::endl;
    return 22;
}

然后,我写了这个Outer.cpp:

#include <cstdlib>
#include <iostream>

int main()
{
    int retval = system("~/Inner");
    std::cout << "Returned: " << retval << std::endl;   
    return 0;
}

得到这个令人困惑的输出:

Inner
Returned: 5632

所以我开始阅读.我很快发现,只有8个LS位通过,这些位经过无符号处理.但这不仅意味着不使用255以上的值吗？为什么我会得到这个奇怪的价值？

所以我开始查看这些内容.

What I expected: 22 -> 0000 0000 0000 0000 0000 0000 0001 0110
What I got:    5632 -> 0000 0000 0000 0000 0001 0110 0000 0000

哇,这是相同的模式,只是转移.事实上,当我修改我的行时:

std::cout << "Returned: " << …

如何在JSON-LD上下文中将某些属性定义为"可选"？

我创建了问题的简单示例.这是JSON-LD Playground中的相同示例.这是示例数据:

{
  "@context": {
    "ex": "http://example.org/ex#",
    "foaf": "http://xmlns.com/foaf/0.1/",
    "frapo": "http://purl.org/cerif/frapo/",
    "owl": "http://www.w3.org/2002/07/owl#",
    "rdf": "http://www.w3.org/1999/02/22-rdf-syntax-ns#",
    "rdfs": "http://www.w3.org/2000/01/rdf-schema#",
    "xsd": "http://www.w3.org/2001/XMLSchema#"
  },
  "@graph": [
    {
      "@id": "ex:Organization_1",
      "@type": "foaf:Organisation",
      "foaf:member": [
        {
          "@id": "ex:Person_1"
        },
        {
          "@id": "ex:Person_2"
        }
      ],
      "frapo:funds": [
        {
          "@id": "ex:Project_1"
        },
        {
          "@id": "ex:Project_2"
        }
      ]
    },
    {
      "@id": "ex:Person_2",
      "@type": "foaf:Person",
      "foaf:currentProject": {
        "@id": "ex:Project_2"
      },
      "foaf:name": "Jack"
    },
    {
      "@id": "ex:Project_2",
      "@type": "foaf:Project",
      "foaf:name": "Small project 2"
    },
    {
      "@id": …

鉴于以下结构:

type Person {
    Name string `json:"name"`
}

type Employee {
    Person
    JobRole string `json:"jobRole"`
}

我可以按照预期轻松地将Employee编组为JSON:

p := Person{"Bob"}
e := Employee{&p, "Sales"}
output, _ := json.Marshal(e)
fmt.Printf("%s\n", string(output))

输出:

{ "名": "鲍勃", "jobRole": "销售"}

但是当嵌入式结构有一个自定义MarshalJSON()方法时......

func (p *Person) MarshalJSON() ([]byte,error) {
    return json.Marshal(struct{
        Name string `json:"name"`
    }{
        Name: strings.ToUpper(p.Name),
    })
}

它彻底打破了:

p := Person{"Bob"}
e := Employee{&p, "Sales"}
output, _ := json.Marshal(e)
fmt.Printf("%s\n", string(output))

现在结果是:

{ "名": "BOB"}

(注意显着缺乏jobRole领域)

这很容易预料......嵌入式Person结构实现了MarshalJSON() …

我正在通过tensorflow教程tensorflow.我想找到以下行的描述:

tf.contrib.layers.embedding_column

我想知道它是否使用word2vec或其他任何东西,或者我正在考虑完全错误的方向.我试图点击GibHub,但一无所获.我猜测看GitHub并不容易,因为python可能会引用一些C++库.有人能指出我正确的方向吗？

我在tensorflow上使用tflearn包装器来构建模型，并想将元数据（标签）添加到结果嵌入可视化中。运行后，有没有办法将metadata.tsv文件链接到保存的检查点？

我已经在检查点摘要的日志目录中创建了projection_config.pbtxt文件，并且metas.tsv位于同一文件夹中。配置看起来像这样：

embeddings {
  tensor_name: "Embedding/W"
  metadata_path: "C:/tmp/tflearn_logs/shallow_lstm/"
}

并使用文档中的代码创建-https: //www.tensorflow.org/how_tos/embedding_viz/

我已经注释掉了tf.Session部分，希望创建元数据链接而无需直接在Session对象中这样做，但是我不确定是否可行。

from tensorflow.contrib.tensorboard.plugins import projector
#with tf.Session() as sess:
config = projector.ProjectorConfig()
# One can add multiple embeddings.
embedding = config.embeddings.add()
embedding.tensor_name = 'Embedding/W'
# Link this tensor to its metadata file (e.g. labels).
embedding.metadata_path = 'C:/tmp/tflearn_logs/shallow_lstm/'
# Saves a config file that TensorBoard will read during startup.
projector.visualize_embeddings(tf.summary.FileWriter('/tmp/tflearn_logs/shallow_lstm/'), config)

以下是当前嵌入可视化的快照。注意空的元数据。有没有一种方法可以将所需的图元文件直接附加到此嵌入？

我试图通过嵌入在计算机上重新执行GitHub项目以进行推荐，目的是在完成集成后首先嵌入存在于movieLens数据集中的用户和项目，然后使用内部产品来预测评分在所有组件中，我在训练中都出错了。

码：

from lightfm.datasets import fetch_movielens
movielens = fetch_movielens()
ratings_train, ratings_test = movielens['train'], movielens['test']
def _binarize(dataset):

    dataset = dataset.copy()

    dataset.data = (dataset.data >= 0.0).astype(np.float32)
    dataset = dataset.tocsr()
    dataset.eliminate_zeros()

    return dataset.tocoo()
train, test = _binarize(movielens['train']), _binarize(movielens['test'])
class ScaledEmbedding(nn.Embedding):
    """ Change the scale from normal to [0,1/embedding_dim] """
    def reset_parameters(self):
        self.weight.data.normal_(0, 1.0 / self.embedding_dim)
        if self.padding_idx is not None:
            self.weight.data[self.padding_idx].fill_(0)


class ZeroEmbedding(nn.Embedding):

    def reset_parameters(self):
        self.weight.data.zero_()
        if self.padding_idx is not None:
            self.weight.data[self.padding_idx].fill_(0)
class BilinearNet(nn.Module):

    def __init__(self, num_users, num_items, embedding_dim, sparse=False):
        super().__init__()

        self.embedding_dim = …