我是 TensorFlow 和 Keras 的新手，我一直在制作扩展的 resnet，并想在层上添加实例标准化，但我不能，因为它不断抛出错误。

我使用的是tensorflow 1.15和keras 2.1。我注释掉了有效的 BatchNormalization 部分，我尝试添加实例标准化，但它找不到该模块。

非常感谢您的建议

from keras.layers import Conv2D
from keras.layers.normalization import BatchNormalization
from keras.optimizers import Nadam, Adam
from keras.layers import Input, Dense, Reshape, Activation, Flatten, Embedding, Dropout, Lambda, add, concatenate, Concatenate, ConvLSTM2D, LSTM, average, MaxPooling2D, multiply, MaxPooling3D
from keras.layers import GlobalAveragePooling2D, Permute
from keras.layers.advanced_activations import LeakyReLU, PReLU
from keras.layers.convolutional import UpSampling2D, Conv2D, Conv1D
from keras.models import Sequential, Model
from keras.utils import multi_gpu_model
from keras.utils.generic_utils import Progbar
from keras.constraints import maxnorm
from keras.activations …

您是否始终以至少第三范式(3NF)设计数据库？为什么？

非常感谢有关规范化和优化此表'table1'的帮助.我目前可以执行以下查询:

SELECT user AS users
FROM table1
WHERE project='Project B'
AND doctype='DocType B'

并得到我想要的东西,但我觉得它不是很有效率,并希望得到如何改进的帮助(有解释).

最终我试图实现以下目标:
1)将这1个表分成多个表以便于维护
2)给定'project'和'doctype',返回所有用户

表格1:

project     doctype     user
-------     -------     ----
Project A   DocType A   User A
Project A   DocType A   User B
Project A   DocType A   User C
Project A   DocType A   User D
Project A   DocType B   User A
Project A   DocType B   User C
Project A   DocType B   User D
Project A   DocType C   User B
Project A   DocType C   User D
Project B …

好的,我知道技术答案绝不是.

但是,有时候似乎通过更少的代码和看似很少的缺点使事情变得更容易,所以请在这里告诉我.

我需要构建一个名为" Restrictions跟踪"用户希望与之联系的用户类型的表,该表将包含以下3列(为简单起见):

minAge
lookingFor
drugs

lookingFor并且drugs可以包含多个值.

数据库理论告诉我应该使用连接表来跟踪用户可能为这些列中的任何一列选择的多个值.

但似乎使用逗号分隔值使事情更容易实现和执行.这是一个例子:

假设用户1具有以下限制:

minAge => 18
lookingFor => 'Hang Out','Friendship'
drugs => 'Marijuana','Acid'

现在让我们说用户2想要联系用户1.好吧,首先我们需要看看他是否符合用户1的限制,但这很容易,即使用逗号分隔的列,如下:

首先,我得到Target的(用户1)限制:

SELECT * FROM Restrictions WHERE UserID = 1

现在我只是将它们放入PHP中的相应变量中:

$targetMinAge = $row['minAge'];
$targetLookingFor = $row['lookingFor'];
$targetDrugs = $row['drugs'];

现在我们只检查SENDER(用户2)是否符合这个简单的标准:

COUNT (*) 
   FROM Users
WHERE 
   Users.UserID = 2 AND
   Users.minAge >= $targetMinAge AND
   Users.lookingFor …

如果我必须保存许多相关的字符串,并且可以用不同的语言进行分类:最好的方法是什么？

我想我有以下选择.选项1和3对我来说是最明确的解决方案.它们具有更多列,但会导致更少的行.

选项2和4是最灵活的(我可以在不更改数据库的情况下动态添加新的string_x).它们只有三列,但它们会产生很多行.

选项5将产生许多表格.

选项1:

id | string_1 | string_2 | string_3 | string_4 | ... | string_n | lang

选项2*(其中name为string_1或string_2等)*

id | name | lang

选项3

id | string_1 | string_2 | string_3 | string_4 | ... | string_n
id | lang     | stringid

选项4

id | lang | stringid
id | name

选项5

id | string_1 | lang
id | string_2 | lang
id | ...      |lang

我正在使用它来存储多个视图的预先缓存的html值(一个线视图,两行,长描述等),如果这是感兴趣的话.

我试图用normalize.loess()通过lumiN()从lumi包.

在第38次迭代中,在loess()函数中失败了

Error in simpleLoess(y, x, w, span, degree, parametric, drop.square, normalize,  : 
NA/NaN/Inf in foreign function call (arg 1)

我搜索过它可能与缺少一个参数的事实有关.

我检查过debug(loess)并且所有参数都已定义.

我不能发布数据,因为它们非常大(13237x566),也因为它们是保密的但是......我发现了这个:

• 一个最小的例子工作(随机矩阵20x5)
• 第1列和第38列之间的归一化失败
• 仅使用那些成功完成的列进行相同的规范化
• 这不是记忆问题
• 矩阵没有NA值

我错过了什么？

谢谢

码

raw_matrix <- lumiR('example.txt')
norm_matrix <- lumiN(raw_matrix, method='loess')
Perform loess normalization ...
Done with 1 vs 2 in iteration 1 
Done with 1 vs 3 in iteration 1 
Done with 1 vs 4 in iteration 1 
Done with 1 vs …

好的,我有两个java类:

public class MaximumNormalize {

    public static void display(double z1, double z2) {
       System.out.println("doubles are "+z1+" and "+z2);
    }

    public static void display(double[] zahlen) {
       System.out.println("double-array with length "+zahlen.length+" :");

       for (int i=0; i<zahlen.length; i++) {
           System.out.println("Element "+i+" is "+zahlen[i]);
       }
    }

    public static double maximum (double z1, double z2) {
       if (z1>=z2) return z1;
       else return z2;
    }

    public static double maximum (double[] zahlen) {
       double ret = 0;
       for (int i = 0; i < zahlen.length; i++) { …

我正在尝试编写一些代码来规范化带有元素的向量,[x,y,z]但是想知道是否有一种方法来规范化元素,这样每次元素的总和都会增加到1.

我确实遇到过一个公式:(伪代码)

normalized = vectorA/ magnitude(vectorA)

但是,如果vectorA = [1,4,5]那时使用上面的公式会给出:

magnitude = sqrt(1^2 + 4^2 + 5^2)
magnitude = sqrt(42)
magnitude = 6.48

现在基于那个,如果我将矢量的每个元素除以6.48:

1/6.48 = 0.154
4/6.48 = 0.62
5/6.48 = 0.77

正如你所看到的,总和大于1,因此公式不是每次都有效,我想知道是否有人知道如何在任何时候将元素总和等于1.

任何帮助将不胜感激

作为我的任务的一部分,我正在处理几个数据集,并使用线性回归找到他们的训练错误.我想知道标准化是否对训练错误有任何影响？我的相关性和RMSE在标准化之前和之后对于数据集来说是相等的.

谢谢,

在sklearn文档中，“规范”可以是

norm : ‘l1’, ‘l2’, or ‘max’, optional (‘l2’ by default)

The norm to use to normalize each non zero sample (or each non-zero feature if axis is 0).

而且，我认真阅读了有关规范化的用户文档，但对于“ l1”，“ l2”或“ max”的含义仍然不太清楚。

谁能清除这些东西？