小编Nit*_*tin的帖子

如何使用 Google Colab 中的需求文件安装 python 依赖项？

相当于 pip install -r requirements.txt

我有一堆 JSON 数组文件（准确地说是 AVRO），每个文件都会产生多个样本来训练 Keras 模型。使用来自@GPhilo和@jsimsa 的想法，我能够想出这个来并行化我的输入管道。无法弄清楚如何设计generator(n)来划分处理文件的工作。代码在内部失败，parse_file(f)因为该函数需要一个字符串文件路径而不是一个Tensor,

N = num_cores = 2
files_to_process = ["f1.avro", "f2.avro", "f3.avro"]
shuffle_size = prefetch_buffer = 1000
batch_size = 512

def generator(n):
    size = math.ceil(len(files_to_process) / N)
    start_index = n * size
    end_index = start_index + size

    def gen():
        # for f in files_to_process[start_index:end_index]:
        for f in tf.slice(files_to_process, start_index, size):
            yield f

    return gen

def dataset(n):
    return tf.data.Dataset.from_generator(generator(n), (tf.string,))

def process_file(f):
    examples_x, examples_y = parse_file(f) …

我试图使用原型在Javascript中模拟继承.

我有一个名为Model的函数和一个model => Item的类型.

var Model = function() { 
   this.names = ["name1", "name2"]; 
} 
Model.prototype.Item = function(args) { 
   this.init = function(item_name) { 
      this.names[0] = item_name; // ERROR: Cannot set property '0' of undefined
   } 
}
var m = new Model();
var i = new m.Item();
i.init("New Name"); // ERROR: Cannot set property '0' of undefined

如何names从init()上面的函数访问数组？

用于创建表格的 Markdown 语法不会为表格单元格绘制任何边框。如何在文本单元格中实现这些样式：

• 绘制边框
• 交替行颜色

Python 3.6.4 (v3.6.4:d48ecebad5, Dec 18 2017, 21:07:28)
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> c = [1, 2]
>>> c += map(lambda n: n *2, range(1, 3))
>>> c
[1, 2, 2, 4]
>>> c = [1, 2]
>>> c += map(lambda n: n *2, c)
Killed!

但是，同样适用于Python 2，其中map生成的列表不同于Python 3中的生成器。那么为什么c += map(lambda n: n *2, range(1, 3))起作用？

我正在尝试使用quality=90OpenCV 的参数比较压缩前后的一堆图像的大小。但是在压缩之前，我想将它们全部裁剪为固定大小。但是，我不明白，为什么裁剪后的图像平均尺寸小于裁剪+压缩后的图像尺寸？

这是我在做什么：

import cv2
import PIL
from pathlib import Path

image_paths = [...]

cropped_imgs_size = 0
compressed_imgs_size = 0

# crop images
for orig_img_path in image_paths:
    cropped_img_path = "cropped_" + orig_img_path
    PIL.Image.open(orig_img_path).crop((0,0,256,256)).convert('RGB').save(cropped_img_path)
    cropped_imgs_size += Path(cropped_img_path).stat().st_size

    # compress cropped image
    dest_path = "q90_" + cropped_img_path
    cv2.imwrite(dest_path, cv2.imread(cropped_img_path), [int(cv2.IMWRITE_JPEG_QUALITY), 90])
    compressed_imgs_size += Path(dest_path).stat().st_size

• 预期： compressed_imgs_size < copped_imgs_size
• 实际： compressed_imgs_size > copped_imgs_size

我想念什么？

我正在尝试使用sklearn的前沿版本从他们的github安装它,如下图中的第2行所示.第5行从此版本的sklearn导入一些函数.这条线在我的本地工作,而不是谷歌Colab.我错过了一些提示工具使用最新安装的版本而不是其缓存版本的东西吗？