小编DeL*_*n88的帖子

我正在尝试创建一个 chrome 扩展。我的清单文件是

{
    "name": "Alert-Beep",
    "action": {},
    "manifest_version": 3,
    "version": "0.1",
    "description": "Beeps if alert() is called",
    "content_security_policy": "script-src 'self'; object-src 'self'",
    "permissions": [
    "activeTab",
    "scripting"
    ],
    "content_scripts": [
    {
        "matches": ["https://*.com/*"],
        "js": ["alert-beep.js"],
        "run_at": "document_start"
    }
    ]
}

加载扩展失败并显示消息

Failed to load extension
File
~\alert-beep
Error
Invalid value for 'content_security_policy'.
Could not load manifest.

我究竟做错了什么？

我是pytorch的新手。以下是使用nn模块使用一些随机数据训练简单的单层模型的基本示例（从此处开始）

import torch
N, D_in, H, D_out = 64, 1000, 100, 10

x = torch.randn(N, D_in)
y = torch.randn(N, D_out)

model = torch.nn.Sequential(
    torch.nn.Linear(D_in, H),
    torch.nn.ReLU(),
    torch.nn.Linear(H, D_out),
)
loss_fn = torch.nn.MSELoss(reduction='sum')
optimizer = torch.optim.Adam(model.parameters(), lr=1e-4)
for t in range(500):
    y_pred = model(x)

    loss = loss_fn(y_pred, y)
    print(t, loss.item())

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

据我了解，该示例中的批处理大小等于1，换句话说，一个点（64个点）用于计算梯度和更新参数。我的问题是：如何修改此示例以训练批大小大于1的模型？

在给定维度 的情况下，创建包含以坐标原点为中心的 N 维立方体顶点坐标的 numpy 数组可能是一种有效的方法N。

例如，因为N=1它应该返回np.array([[1],[-1]])

因为N=2它应该返回np.array([[1,1],[1,-1],[-1,1],[-1,-1]])

为了N=3：np.array([[1,1,1],[1,1,-1],[1,-1,1],[1,-1,-1],[-1,1,1],[-1,1,-1],[-1,-1,1],[-1,-1,-1]])

根据此，蟒蛇副本引用时切片。我尝试了以下方法：

>>> a=[1,2,3]
>>> b=a[:]
>>> b[1]=0
>>> a
[1, 2, 3]
>>> b
[1, 0, 3]
>>> map(id,a)
[14508376, 14508352, 14508328]
>>> map(id,b)
[14508376, 14508400, 14508328]

为什么不b[1]=0改变a[1]（如果b[1]确实是对同一个对象的引用，人们可能会想到这种情况）？相反，它似乎会生成一个新的引用/ id并更改新的对象。在哪里我可以更详细地阅读此行为？