小编Boe*_*ern的帖子

我目前正在开发一个嵌入式项目(STM32F103RB,CooCox CoIDE v.1.7.6 with arm-none-eabi-gcc 4.8 2013q4),我试图了解当RAM满时如何malloc()表现C.

我的STM32有20kB = 0x5000Bytes的RAM,0x200用于堆栈.

#include <stdlib.h>
#include "stm32f10x.h"

struct list_el {
   char weight[1024];
};

typedef struct list_el item;

int main(void)
{
    item * curr;

    // allocate until RAM is full
    do {
        curr = (item *)malloc(sizeof(item));
    } while (curr != NULL);

    // I know, free() is missing. Program is supposed to crash

    return 0;
}

一旦堆太小而无法分配,我希望malloc()能够返回NULL:

0x5000(RAM) - 0x83C(bss) - 0x200(堆栈)= 0x45C4(堆) …

我们正在研究一个复杂的统计项目Java.我们用R编程语言编写了原始代码.有没有办法将此代码转换为Java代码(转换器)或我们如何R在Java项目中使用？

我正在使用angular-ui typeahead.如何在焦点输入框时触发弹出项目,而不是在键入后触发弹出项目.

我想,从我运行Spark工作的地方,获得该工作的唯一ID.

通过Spark主节点网站,我可以看到该ID.它是这样的:

ID: app-20140429125304-0452

在创建一份正在运行的工作时,有没有办法解决这个问题？也许通过SparkContext？

我花了很长时间来编写多个SQL查询,这些查询以前用于获取各种R脚本的数据.这就是它的工作原理

sqlContent = readSQLFile("file1.sql")
sqlContent = setSQLVariables(sqlContent, variables)
results = executeSQL(sqlContent)

线索是,对于某些查询,需要先前查询的结果 - 为什么VIEW在数据库中创建s本身并不能解决这个问题.随着Spark 2.0我已经想出了一个办法,通过做到这一点

// create a dataframe using a jdbc connection to the database
val tableDf = spark.read.jdbc(...)
var tempTableName = "TEMP_TABLE" + java.util.UUID.randomUUID.toString.replace("-", "").toUpperCase
var sqlQuery = Source.fromURL(getClass.getResource("/sql/" + sqlFileName)).mkString
sqlQuery = setSQLVariables(sqlQuery, sqlVariables)
sqlQuery = sqlQuery.replace("OLD_TABLE_NAME",tempTableName)
tableDf.createOrReplaceTempView(tempTableName) 
var data = spark.sql(sqlQuery)

但这是我非常愚蠢的意见.此外,更复杂的查询,例如,当前无法使用子查询因子的查询不起作用.有没有像重新实现的SQL代码到一个更强大的方式Spark.SQL使用代码filter($""),.select($"")等等.

总体目标是获得多个org.apache.spark.sql.DataFrames,每个s代表一个以前的SQL查询(总是几个JOINs,WITHs等)的结果.所以n查询导致n DataFrame …

精简版:

有没有办法指导插入符号训练回归模型

1. 使用用户定义的标签作为"正类标签"？
2. 在训练期间(而不是ROC)优化模型的灵敏度？

长版:

我有一个数据帧

> feature1 <-                 c(1,0,0,0,1,0,0,0,1,0,0,0,1,0,0,0,1,0,0,0)
> feature2 <-                 c(1,0,1,1,1,0,1,1,1,0,1,1,1,0,1,1,1,0,1,1)
> feature3 <-                 c(0,1,1,0,0,1,1,0,0,1,1,0,0,1,1,0,0,1,1,0)
> TARGET <- factor(make.names(c(1,0,1,1,0,0,1,0,1,1,1,0,1,0,0,0,1,0,1,1)))
> df <- data.frame(feature1, feature2, feature3, TARGET)

模型训练就像实施一样

> ctrl <- trainControl(
+     method="repeatedcv",
+     repeats = 2)
> 
> tuneGrid <- expand.grid(k = c(2,5,7))
> 
> tune <- train(
+     TARGET ~ .,
+     metric = '???',
+     maximize = TRUE,
+     data = df,
+     method = "knn", 
+     trControl = ctrl, 
+     preProcess = c("center","scale"), …

Bokeh服务允许使用绘图和小部件编写快速Web应用程序.我如何在使用时调试python代码bokeh serve --show code.py？

设置

我有一个具有以下文件结构的 monorepo 设置：

\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 functions\n\xe2\x94\x82   \xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 src\n\xe2\x94\x82   \xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 package.json\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 shared\n|   \xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 dist\n|   \xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 src\n|   \xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 package.json\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 frontend\n|    \xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 ...\n\xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 firebase.json\n

方法1（失败）

./shared持有在./backend和之间共享的 TypeScript 类./frontend。理想情况下，我想使用functions/package.json符号链接引用共享库，以避免每次更改共享代码（大部分功能都位于其中）后都必须重新安装。

但是，这不起作用（既不使用link:，也不使用绝对file:路径，也不使用相对file:路径）

// functions/package.json\n  ...\n  "dependencies": {\n    "shared": "file:/home/boern/Desktop/wd/monorepo/shared"\n    ...\n  }\n

导致错误firebase deploy --only functions( error Package "shared" refers to a non-existing file \'"home/boern/Desktop/wd/monorepo/shared"\')。库（尽管存在于 中./functions/node_modules/）未传输到服务器？

方法2（失败）

此外，"functions": {"ignore": …

好的,这是一个超级超级菜鸟问题,我几乎不好意思问...

我想在我的XAML文件中引用一个类.它是一个DataTemplateSelector,用于为DataGrid列选择正确的编辑模板.

无论如何,我已经将类编写到我的代码后面,将本地命名空间添加到XAML顶部的顶部,但是当我尝试从XAML引用该类时,它告诉我该类在本地命名空间中不存在.我必须遗漏一些非常简单但我无法理解的东西......

这是我的代码.

XAML:

<Window
xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
xmlns:tk="http://schemas.microsoft.com/wpf/2008/toolkit"
xmlns:local="clr-namespace:CustomFields"
xmlns:col="clr-namespace:System.Collections;assembly=mscorlib"
xmlns:sys="clr-namespace:System;assembly=mscorlib"
x:Class="CustomFields.MainWindow"
x:Name="Window"
Title="Define Custom Fields"
Width="425" Height="400" MinWidth="425" MinHeight="400">

<Window.Resources>
    <ResourceDictionary>
        <local:RangeValuesEditTemplateSelector>
            blah blah blah...
        </local:RangeValuesEditTemplateSelector>
    </ResourceDictionary>
</Window.Resources>

C#:

namespace CustomFields
{
    public partial class MainWindow : Window
    {
        public MainWindow()
        {
            this.InitializeComponent();

            // Insert code required on object creation below this point.
        }
    }

    public class RangeValuesEditTemplateSelector : DataTemplateSelector
    {
        public RangeValuesEditTemplateSelector(){

            MessageBox.Show("hello");
        }
    }   
}

我有什么想法我做错了吗？我认为这应该很简单,如1-2-3 ......

谢谢!

有人设法在 Windows 上使用 Spark 的DataFrame编写文件（尤其是 CSV）吗？

由于自 2.0 版以来Sparks 编写 .CSV 的本机功能（和统一方法），许多关于 SO 的答案已经过时（例如这个）write()。此外，我下载并添加winutils.exe了此处建议的内容。

代码：

// reading works just fine
val df = spark.read
             .option("header", true)
             .option("inferSchema", true)
             .csv("file:///C:/tmp/in.csv")
// writing fails, none of these work
df.write.csv("file:///C:/tmp/out.csv")
df.write.csv("C:/tmp/out.csv")

错误：

Exception in thread "main" org.apache.spark.SparkException: Job aborted.
    at org.apache.spark.sql.execution.datasources.InsertIntoHadoopFsRelationCommand$$anonfun$run$1.apply$mcV$sp(InsertIntoHadoopFsRelationCommand.scala:149)
    at org.apache.spark.sql.execution.datasources.InsertIntoHadoopFsRelationCommand$$anonfun$run$1.apply(InsertIntoHadoopFsRelationCommand.scala:115)
    at org.apache.spark.sql.execution.datasources.InsertIntoHadoopFsRelationCommand$$anonfun$run$1.apply(InsertIntoHadoopFsRelationCommand.scala:115)
    at org.apache.spark.sql.execution.SQLExecution$.withNewExecutionId(SQLExecution.scala:57)
    at org.apache.spark.sql.execution.datasources.InsertIntoHadoopFsRelationCommand.run(InsertIntoHadoopFsRelationCommand.scala:115)
    at org.apache.spark.sql.execution.command.ExecutedCommandExec.sideEffectResult$lzycompute(commands.scala:60)
    at org.apache.spark.sql.execution.command.ExecutedCommandExec.sideEffectResult(commands.scala:58)
    at org.apache.spark.sql.execution.command.ExecutedCommandExec.doExecute(commands.scala:74)
    at org.apache.spark.sql.execution.SparkPlan$$anonfun$execute$1.apply(SparkPlan.scala:115)
    at org.apache.spark.sql.execution.SparkPlan$$anonfun$execute$1.apply(SparkPlan.scala:115)
    at org.apache.spark.sql.execution.SparkPlan$$anonfun$executeQuery$1.apply(SparkPlan.scala:136) …