小编And*_*bis的帖子

variable_scope和之间有什么区别name_scope？该变量的作用域教程挂在嘴边variable_scope隐含打开name_scope.我还注意到,在a中创建变量也会name_scope自动扩展其名称以及作用域名称.那么区别是什么呢？

什么是倍增(逐元素)2D张量(矩阵)的最有效方法:

x11 x12 .. x1N
...
xM1 xM2 .. xMN

通过垂直向量:

w1
...
wN

获得一个新的矩阵:

x11*w1 x12*w2 ... x1N*wN
...
xM1*w1 xM2*w2 ... xMN*wN

为了给出一些上下文,我们M在批处理中可以并行处理数据样本,并且每个N元素样本必须乘以w存储在变量中的权重,以最终Xij*wj为每行选择最大值i.

将2D张量实际上是水平或垂直向量展平为1D张量的最有效方法是什么？

在以下方面的表现是否有所不同:

tf.reshape(w, [-1])

和

tf.squeeze(w)

？

有没有比这种模式更好的方式支持Enums作为argparse参数的类型？

class SomeEnum(Enum):
    ONE = 1
    TWO = 2

parser.add_argument('some_val', type=str, default='one',
                    choices=[i.name.lower() for i in SomeEnum])
...
args.some_val = SomeEnum[args.some_val.upper()]

Tensorboard自述文件的图像仪表板部分说:

由于图像仪表板支持任意png,因此您可以使用它将自定义可视化(例如matplotlib散点图)嵌入到TensorBoard中.

我看到如何将pyplot图像写入文件,作为张量读回,然后与tf.image_summary()一起使用以将其写入TensorBoard,但自述文件中的这一陈述表明有更直接的方法.在那儿？如果是这样,是否有任何进一步的文档和/或示例如何有效地执行此操作？

API讨论了图形集合,它从代码中判断是通用密钥/数据存储.这些收藏品的目的是什么？

TensorFlow图通常从输入到输出逐步构建,然后执行.查看Python代码,操作的输入列表是不可变的,这表明不应修改输入.这是否意味着无法更新/修改现有图表？

我正在使用带有Distutils的Python 2.7来分发和安装我自己创建的包.我的setup.cfg看起来像这样:

[install]
prefix=/usr/local/MODULENAME
record=installation.txt

我有两个问题:

1. 在定义其他setup.cfg选项时,是否可以引用setup.cfg中设置的变量(但也可以使用命令行选项)？例如,对于:

   install-scripts=PREFIX/my-scripts
   

   Run Code Online (Sandbox Code Playgroud)

   我想PREFIX成为setup.cfg内部或使用--prefix命令行参数定义的前缀,类似于使用ConfigParser时的变量插值.

2. 是否可以从我的setup.py中引用setup.cfg中设置的变量,而无需使用ConfigParser手动解析配置文件？

我正在研究如何使用runit运行gunicorn.我正在查看bash文件,我不知道-f $PID它在做什么

#!/bin/sh

GUNICORN=/usr/local/bin/gunicorn
ROOT=/path/to/project
PID=/var/run/gunicorn.pid

APP=main:application

if [ -f $PID ]; then rm $PID; fi

cd $ROOT
exec $GUNICORN -c $ROOT/gunicorn.conf.py --pid=$PID $APP

在这种情况下谷歌是没用的,因为搜索标志是没用的

在打开的TensorBoard会话中快速查看最新事件文件中的更新图表的最佳方法是什么？重新运行我的Python应用程序会导致使用可能的新事件/图形创建新的日志文件.但是,TensorBoard似乎没有注意到这些差异,除非重新启动.