小编nad*_*nad的帖子

我有一个如下的字典:

mydict = {'a' : 'apple',
     'b' : 'bobb',
    'c' : {
         'd' : 'dog'
       },
      'e' : 'dog'
     }

假设我想找到值为' dog'的所有键.在嵌套的情况下,键应该用点分隔.

所以输出应该是一个列表 ['e', 'c.d']

现在,如果我在python 3中编写下面的代码,它只输出' e'.

print(list(mydict.keys())[list(mydict.values()).index('dog')])

如何获取嵌套密钥？

根据上一篇文章，我有一个 AWS Glue Pythonshell 作业，需要从通过 boto3 调用传递给它的参数中检索一些信息。

我的胶水工作名称是test_metrics

Glue pythonshell 代码如下所示

import sys
from awsglue.utils import getResolvedOptions

args = getResolvedOptions(sys.argv,
                          ['test_metrics',
                           's3_target_path_key',
                           's3_target_path_value'])

print ("Target path key is: ", args['s3_target_path_key'])
print ("Target Path value is: ", args['s3_target_path_value'])

调用此作业的 boto3 代码如下：

glue = boto3.client('glue')

response = glue.start_job_run(
    JobName = 'test_metrics',
    Arguments = {
        '--s3_target_path_key': 's3://my_target',
        '--s3_target_path_value': 's3://my_target_value'
    } 
)

print(response)

200在本地计算机中运行 boto3 代码后，我看到了响应，但 Glue 错误日志告诉我：

test_metrics.py: error: the following arguments are required: --test_metrics

我缺少什么？

我有一个我们自己训练的 Keras/tensorflow 模型，它可以进行图像相关的预测。我已经按照这个训练有素的 keras 模型教程在 Sagemaker 中部署模型，并且可以调用端点进行预测。

现在在我的客户端代码中，在通过调用 Sagemaker 端点进行预测之前，我需要下载图像并进行一些预处理。我想在 SageMaker 中完成整个过程，而不是在客户端执行此操作。我怎么做？

看来我需要更新train.py这里提到的入口点python代码：

sagemaker_model = TensorFlowModel(model_data = 's3://' + sagemaker_session.default_bucket() + '/model/model.tar.gz',
                                  role = role,
                                  entry_point = 'train.py')

其他文章表明我需要覆盖input_fn函数来捕获预处理。但是这些文章指的是使用 MXNet 框架时使用的步骤。但是我的模型是基于 Keras/tensorflow 框架的。

所以我不确定如何覆盖该input_fn功能。任何人都可以请建议吗？

我正在使用 Tensorflow2.1.1并尝试使用 Attention 构建序列到序列模型。

latent_dim = 300
embedding_dim=100
batch_size  = 128

# Encoder
encoder_inputs = tf.keras.Input(shape=(None,), dtype='int32')

#embedding layer
enc_emb =  tf.keras.layers.Embedding(x_voc, embedding_dim,trainable=True)(encoder_inputs)

#encoder lstm 1
encoder_lstm = tf.keras.layers.LSTM(latent_dim,return_sequences=True,return_state=True,dropout=0.4,recurrent_dropout=0.4)
encoder_output, state_h, state_c = encoder_lstm(enc_emb)
print(encoder_output.shape)

# Set up the decoder, using `encoder_states` as initial state.
decoder_inputs = tf.keras.Input(shape=(None,), dtype='int32')

#embedding layer
dec_emb_layer = tf.keras.layers.Embedding(y_voc, embedding_dim,trainable=True)
dec_emb = dec_emb_layer(decoder_inputs)

decoder_lstm = tf.keras.layers.LSTM(latent_dim, return_sequences=True, return_state=True,dropout=0.4,recurrent_dropout=0.2)
decoder_output,decoder_fwd_state, decoder_back_state = decoder_lstm(dec_emb,initial_state=[state_h, state_c])

# Attention layer
attn_out, attn_states = tf.keras.layers.Attention()([encoder_output, decoder_output])

# Concat …

我在python 3.x中有一个列表列表:

deliveryData=[[1,5,3],[2,7,8],[8,10,5]]

我想比较/操作当前列表(例如[2,7,8])的单个项目与之前的列表(例如[1,5,3]).我怎么做？

使用以下示例代码测试此功能:

deliveryData=[[1,5,3],[2,7,8],[8,10,5]]
for data in deliveryData[1:]:
    print(data)
    print(data[-1])

当我在列表中[1,5,3]时data[-1],我想我可以访问列表,[2,7,8]但这是不对的.

有人可以提供任何建议吗？

我正在Mac 中使用brew安装libusb

Error: The `brew link` step did not complete successfully The formula built, but is not symlinked into /usr/local 

Could not symlink lib/libusb-1.0.0.dylib 

Target /usr/local/lib/libusb-1.0.0.dylib already exists. 

You may want to remove it:   rm '/usr/local/lib/libusb-1.0.0.dylib'

To force the link and overwrite all conflicting files:   brew link
--overwrite libusb