小编kri*_*nab的帖子

我在Ubuntu Linux 18.04 LTS x64上运行Anaconda python发行版，并使用通常的发行版进行了更新conda update --all。之后，命令行消息建议更新conda基本默认值。现在由于某种原因，我遇到了几个问题。首先，jupyter lab即使尝试重新安装，我也无法启动conda install jupyter。其次，我收到了这个新的警告消息。

    WARNING conda.base.context:use_only_tar_bz2(632):
 Conda is constrained to only using the old .tar.bz2
 file format because you have conda-build installed,
 and it is <3.18.3.  Update or remove conda-build to
 get smaller downloads and faster extractions.

因此，我查找并找到了今天的博客文章，内容涉及使Anaconda更快。但是该帖子似乎提供了更多信息，并且似乎不建议立即升级。

这是的输出conda info。

     active environment : XXX
    active env location : XXX
            shell level : 2
       user config file : ../.condarc
 populated config files : ../.condarc …

我开始使用Continuum.io的Python Anaconda发行版来完成scipy工作.
我已经能够启动并运行Anaconda,但我不知道Anaconda是否为它创建的每个新环境创建了一个新的PYTHONPATH环境变量,或者它是否依赖于通用系统. PYTHONPATH

我在文档中找不到任何相关信息.

此外,当我做了一个时printenv,我没有PYTHONPATH在新创建的环境中看到变量 - 虽然我确实找到了一些新的anaconda创建的环境变量.

我能找到的最好的是Anaconda将一些Anaconda目录和新的环境目录添加到PATH变量的头部 - 但这并不一定将新的包与系统环境隔离,但它很接近.

有谁知道这个问题的答案或找到解决这个问题的方法？

所以我习惯source activate <environment>在开始python Anaconda环境时打字.这很好用.但是当我创建新的conda环境时,我在Ubuntu 16.04上看到了用来启动环境的消息conda activate.除了关于如何设置我的外壳使用的错误conda activate,而不是,我现在还不能对之间有什么区别清晰source activate ...和conda activate ...有没有理由去改变？有谁知道这两个命令之间的区别？谢谢.

我在Tensorflow上观看了关于Eager Execution的Tensorflow开发者峰会视频,并且演示者介绍了"渐变磁带".现在我了解Gradient Tape跟踪TF模型中发生的自动差异.

我试图理解为什么我会使用Gradient Tape？任何人都可以解释Gradient Tape如何用作诊断工具吗？为什么有人会使用Gradient Tape而不仅仅是权重的Tensorboard可视化.

因此,我认为模型发生的自动区分是计算每个节点的梯度 - 这意味着在给定一批数据的情况下,调整每个节点的权重和偏差.这就是学习过程.但我的印象是,我实际上可以使用一个tf.keras.callback.TensorBoard()调用来查看训练的张量板可视化 - 所以我可以观察每个节点上的权重并确定是否有任何死或过饱和的节点.

仅使用渐变色带来查看某些渐变是否变为零或变得非常大等等？或者是否有其他一些使用渐变色带？

Rust语言是否有办法将函数应用于数组或向量中的每个元素？

我知道在Python中有map()执行此任务的功能.中的R存在lapply(),tapply()和apply()功能也做到这一点.

有没有一种既定的方法来渲染Rust中的函数？

我在 python 中使用 GeoPandas 并且有一个有效的多边形 GeoDataframe。

0         POLYGON Z ((68.70999999999999 623.1 0, 35.71 6...
1         POLYGON Z ((221.33 645.02 0, 185.7 640.33 0, 1...
2         POLYGON Z ((150.3 650 0, 160.9 650 0, 150.58 6...

我想获得一个新的数据帧，它具有数据帧中每一行的边界框坐标。

现在我对 GeoPandas 有一些奇怪的行为。

假设我命名 GeoDataFrame gdf，然后使用代码：

gdf.bounds

我得到相应的错误。我不知道这个错误是什么意思，因为我没有将任何值传递给bounds方法——它们是隐式传递的。

ValueError: Shape of passed values is (1, 110042), indices imply (4, 110042)

当我尝试时： gdf.geometry.bounds 我得到相同的结果ValueError...

但是，当我这样做时，我得到了一个有效的答案：

gdf.head(10).bounds

我得到

    minx    miny    maxx    maxy
0   0.00    618.15  68.71   650.00
1   169.56  640.33  221.33  650.00 …

我试图更好地了解 YOLO2 和 3 算法的工作原理。该算法处理一系列卷积，直到它得到一个13x13网格。然后它能够​​对每个网格单元内的对象以及这些对象的边界框进行分类。

如果您查看此图片，您会看到红色的边界框比任何单个网格单元格都大。此外，边界框以对象的中心为中心。

我的问题是当网络激活基于单个网格单元时，预测的边界框如何超过网格单元的大小。我的意思是网格单元之外的所有东西对于预测在该单元格中检测到的对象的边界框的神经元来说应该是未知的。

更准确地说，这是我的问题：

1.算法如何预测大于网格单元格的边界框？

2.算法如何知道对象的中心位于哪个单元格中？

我一直在寻找这个问题的答案,但找不到任何提及,所以我决定在这里发帖.我试图看看igraph或任何软件包是否提供了一种创建"社区图"的简单方法,其中每个节点代表网络中的社区,并且关系代表社区之间的联系.我可以让社区检测算法在igraph中正常工作,但我找不到一种方法来折叠结果,只显示每个社区之间的连接.任何援助将不胜感激.

我安装了multirustRust编程语言的版本.我试图racer通过RUST_SRC_PATH环境变量配置代码完成包以指向Rust源代码.但是,我似乎无法找到生锈源文件的位置.当我输入时,which rustc我指向/usr/local/bin可能是因为有一个符号链接到实际的源目录或其他东西.有关RUST_SRC_PATH变量的正确目录的位置的任何信息multirust？

我正在用来pytest为我正在开发的包运行测试用例。这些测试使用我已保存为 github 资源的小图像文件。下面的代码工作得很好，但我认为pytest每次运行新测试时都会下载图像，这会花费不必要的时间和资源。我试图弄清楚如何下载一次文件，然后在测试用例之间共享它

这是一些示例代码。

# -- in conftest.py --
import sys
import pytest
import os
import shutil
import requests

@pytest.fixture(scope="function")
def small_image(tmpdir):
    url = 'https://github.com/.../sample_image_small.tif'

    r = requests.get(url)

    with open(os.path.join(str(tmpdir), 'sample_image_small.tif'), 'wb') as f:
        f.write(r.content)

    return os.path.join(str(tmpdir), 'sample_image_small.tif')

然后这里有一些非常简单的测试用例，应该能够共享相同的图像。

# -- test_package.py --
import pytest
import os

@pytest.mark.usefixtures('small_image')


def test_ispath(small_image, compression):

    assert os.path.exists(small_image)

def test_isfile(small_image, compression):

    assert os.path.isfile(small_image)

现在我相信pytest会尝试单独隔离每个测试，这就是导致文件重复下载的原因。我尝试设置@pytest.fixture(scope="module")代替，function但这会产生奇怪的错误：

ScopeMismatch: You tried to access the 'function' scoped fixture 'tmpdir' with …