标签: sequential

我们是从C#Guid.NewGuid()随机十岁上下的GUID生成器中所建议的顺序GUID算法切换过程这篇文章.虽然这似乎适用于MS SQL Server,但我不确定对Oracle数据库的影响,我们将guids存储在raw(16)字段中.有没有人知道这个算法是否适合为Oracle和MS SQL Server创建顺序guid,或者是否应该使用不同的变体.

谢谢!

我们有一个包含500多个表的数据库,其中几乎所有表都有一个数据类型为guid(uniqueidentifier)的聚簇PK.

我们正在测试从通过.NET Guid.NewGuid()方法生成的"正常""随机"guid到通过NHibernate guid.comb算法生成的顺序guid的转换.这看起来效果很好,但是那些已经拥有数百万行"随机"主键值的客户呢？

• 他们是否会受益于从现在开始生成的新ID将是连续的？
• 可以/应该对他们现有的数据做些什么？

在此先感谢您的任何指示.

我正在尝试为 Keras 中的模型实现一个稍微修改的二元交叉熵损失函数。在 Keras 中，binary_crossentropy 定义为：

def binary_crossentropy(y_true, y_pred):
  return K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)

我拥有的数据是分组的（即有一列指示 group1、group2 等）但每个组的行数不同（即 group1 有 52 个观察值，group2 有 101 个观察值等）。

理想情况下，我想找到每个组的平均二元交叉熵，并返回最大平均二元交叉熵（最大的平均二元交叉熵，按组）。

似乎没有使用组的任何现成的解决方案，我无法想出一个解决方案。关于观察属于哪个组的信息会丢失，并且不会传递到 y_true 和 y_pred，而且我不确定 k-fold cv 将如何准确地改变作为 y_true 和 y_pred 传递的观察值/数量。如果有办法通过 Sequential 模型保留组信息，那可能就是解决方案。代码将完成类似的事情：

def custom_loss(y_true, y_pred):
  max_bc = []
  for group in groups:
     max_bc += [K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)]
  return max_bc

如果上述方法不可行，另一种度量可能是张量的第 75 个百分位值。就像是：

def custom_loss(y_true, y_pred):
  return K.binary_crossentropy(y_true, y_pred)[len(y_true)*0.75]

Run Code Online (Sandbox Code Playgroud)

但我确信这是错误的——我只是对 Keras 和 Tensorflow 不够熟悉，无法获得正确的代码。

编辑：我可能刚刚找到了一种方法来做百分位数，但结果并不如预期......对第一部分有所了解仍然很棒。

def custom_loss(y_true, y_pred):
  e = K.binary_crossentropy(y_true,y_pred)
  return distributions.percentile(e, q=75.)

我正在尝试合并来自两个模型的输出，并使用 keras 顺序模型将它们作为第三个模型的输入。型号 1 :

inputs1 = Input(shape=(750,))
x = Dense(500, activation='relu')(inputs1)
x = Dense(100, activation='relu')(x)

型号 1 :

inputs2 = Input(shape=(750,))
y = Dense(500, activation='relu')(inputs2)
y = Dense(100, activation='relu')(y)

型号3：

merged = Concatenate([x, y])
final_model = Sequential()
final_model.add(merged)
final_model.add(Dense(100, activation='relu'))
final_model.add(Dense(3, activation='softmax'))

到这里为止，我的理解是，两个模型的输出作为 x 和 y 被合并并作为输入给第三个模型。但是当我适应这一切时，

module3.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
module3.fit([in1, in2], np_res_array)

in1 和 in2 是两个维度为 10000*750 的 numpy ndarray，其中包含我的训练数据，np_res_array 是相应的目标。
这给了我错误，因为 'list' 对象没有属性 'shape'据了解，这就是我们向模型提供多个输入的方式，但这个错误是什么？我该如何解决？

例如我这样的代码

...获取一些内存并丢失所有指向该内存的指针,以便System.gc(); 可以收集它.

调用System.gc();

做一些其他的任务;

这里做"做其他一些任务;" 和"System.gc();" 在paralel工作或做"做其他一些任务;" 等待"System.gc();" 被执行

谢谢

当我们有顺序输入时,应该使用什么类型的神经网络.假设我们想要一些文本,这些文本应该根据单词的顺序给出输出.为此,输出应取决于输入的先前状态.

“顺序编程语言”概念背后到底是什么？

我找不到合适/深入的描述。我清楚地看到什么是顺序算法，而是一种编程语言。

Sequential可能会反对procedural，但是...

什么是“严格顺序”的语言？这只是提供或不提供处理功能的可能性的问题吗？

我知道这个问题有点太笼统了，需要的不仅仅是简单的问答，但是关于该主题的介绍和/或一些好的指示将不胜感激。

编辑： 嗯，经过进一步阅读（感谢msw和Edorka），我意识到上面引用的假设是我对一些基本词汇的误解的结果，并且不依赖于任何具体的内容。因此这个问题变得毫无意义。但感谢你们的时间和宝贵的进展！

编辑 ：sequential最好反对...