小编kaw*_*vin的帖子

我想包装一个如下所示的异步API:

[someObject completeTaskWithCompletionHandler:^(NSString *result) {

}];

进入一个我可以像这样调用的同步方法

NSString *result = [someObject completeTaskSynchronously];

我该怎么做呢？我做了一些文档阅读和谷歌搜索,并尝试使用"dispatch_semaphore"尝试实现它,如下所示:

-(NSString *) completeTaskSynchronously {
   __block NSString *returnResult;
   self.semaphore = dispatch_semaphore_create(0);  
   [self completeTaskWithCompletionHandler:^(NSString *result) {
       resultResult = result;
       dispatch_semaphore_signal(self.semaphore);
   }];

   dispatch_semaphore_wait(self.semaphore, DISPATCH_TIME_FOREVER);
   return resultResult;
}

但这似乎没有用,它基本上只是停在dispatch_semaphore_wait.执行永远不会到达执行_signal的内部块.任何人都有关于如何做到这一点的代码示例？我怀疑该块必须在主线程的其他线程上？此外,假设我无法访问异步方法背后的源代码.谢谢!

我的目标是尝试像脚本一样运行我的Swift程序.如果整个程序是自包含的,你可以运行它:

% xcrun swift hello.swift

hello.swift在哪里

import Cocoa
println("hello")

但是,我想超越一步,包括swift模块,我可以导入其他类,函数等.

所以我们假设我们想要在GoodClass.swift中使用一个非常好的类

public class GoodClass {
    public init() {}
    public func sayHello() {
        println("hello")
    }
}

我现在想把这个好东西导入我的hello.swift:

import Cocoa
import GoodClass

let myGoodClass = GoodClass()
myGoodClass.sayHello()

我首先通过运行以下命令生成.o,lib <>.a,.swiftmodule:

% xcrun swiftc -emit-library -emit-object GoodClass.swift -sdk $(xcrun --show-sdk-path --sdk macosx) -module-name GoodClass
% ar rcs libGoodClass.a GoodClass.o
% xcrun swiftc -emit-module GoodClass.swift -sdk $(xcrun --show-sdk-path --sdk macosx) -module-name GoodClass

最后,我准备运行我的hello.swift(好像它是一个脚本):

% xcrun swift -I "./" -L "./" -lGoodClass -sdk $(xcrun --show-sdk-path --sdk …

SQLAlchemy (0.9.8) 和 mysql-5.6.21-osx10.8-x86_64 和 MAC OS X 10.3.3 (Yosemite)

我一直断断续续：

InterfaceError: (InterfaceError) 2013: Lost connection to MySQL server during query u'SELECT..... '

我已经阅读了一些线程，大多数情况通过将其添加到 my.cnf 来解决

   max_allowed_packet = 1024M

这对于我尝试做的事情来说应该足够大了。这样做后，我间歇性地踩它。并将这一行放在 /etc/my.cnf 中：

   log-error = "/Users/<myname>/tmp/mysql.err.log"
   log-warnings = 3

我希望获得更多详细信息，但我所看到的只是这样的：

   [Warning] Aborted connection 444 to db: 'dbname' user: 'root' host: 'localhost' (Got an error reading communication packets)

我已经到了我认为更多细节更好的日志记录可能会有所帮助的地步，或者如果在此之前我可以尝试其他一些事情。

谢谢。

在执行任何单元格时收到一个浏览器白色弹出窗口：

Error
Could not load the JavaScript files needed to display output.
This is probably because your Google account login access has expired or because third-party cookies are not allowed by your browser.

Please reload this page.
 DETAILS

我试过重新登录并重新启动运行时，但没有帮助。奇怪的是，另一个笔记本是好的。

好的

更新：只需重新启动浏览器并重新启动一切似乎都可以“解决”这个问题。

我前段时间创建了一个 GCP AI Platform Notebook 实例，对于我尝试安装的许多扩展，版本似乎太低了。我做了一个pip install upgrade jupyterlab并重新启动了虚拟机实例。当我点击 时OPEN JUPYTERLAB，我发现更新没有生效。

这样做的正确方法是什么？

如果我完成了在 google colab 上创建的 jupyter 笔记本，并且该笔记本已通过 GPU 连接到其中一个环境，我该如何关闭并停止它？在本地，我过去常常通过单击“文件”>“关闭并暂停”来执行此操作。我只是想考虑使用这个伟大而免费的计算资源。

这是我收到的警告：

WARNING:tensorflow:multiprocessing can interact badly with TensorFlow, causing nondeterministic deadlocks. For high performance data pipelines tf.data is recommended.

我写的 Sequence 子类严格执行加载和读取 I/O jpg 文件。我想只要没有 2 个线程在同一个文件上同时执行，事情应该没问题。

我训练了几个 epoch，到目前为止，没有错误。但是如果有可能发生的潜在不好的事情，我想获得反馈。

使用 iPad Pro 2020 和 google chrome 应用程序（使用桌面网站），Colab 笔记本的每个单元格上都有一个又大又胖的键盘图标。如何摆脱它？我有一个 iPad 的硬件键盘，绝对不需要那个图标，它浪费了宝贵的空间。看截图

这是 tf 2.3.0。在训练期间， SparseCategoricalCrossentropy loss 和 sparse_categorical_accuracy 的报告值似乎还差得很远。我查看了我的代码，但还没有发现任何错误。这是要重现的代码：

import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

x = np.random.randint(0, 255, size=(64, 224, 224, 3)).astype('float32')
y = np.random.randint(0, 3, (64, 1)).astype('int32')

ds = tf.data.Dataset.from_tensor_slices((x, y)).batch(32)

def create_model():
  input_layer = tf.keras.layers.Input(shape=(224, 224, 3), name='img_input')
  x = tf.keras.layers.experimental.preprocessing.Rescaling(1./255, name='rescale_1_over_255')(input_layer)

  base_model = tf.keras.applications.ResNet50(input_tensor=x, weights='imagenet', include_top=False)

  x = tf.keras.layers.GlobalAveragePooling2D(name='global_avg_pool_2d')(base_model.output)

  output = Dense(3, activation='softmax', name='predictions')(x)

  return tf.keras.models.Model(inputs=input_layer, outputs=output)

model = create_model()

model.compile(
  optimizer=tf.keras.optimizers.Adam(learning_rate=1e-4),
  loss=tf.keras.losses.SparseCategoricalCrossentropy(), 
  metrics=['sparse_categorical_accuracy']
)

model.fit(ds, steps_per_epoch=2, …

我在 Swift for Tensorflow 的开发峰会上看到了一些不错的演示。所以想试试这个。

我可以打开这个笔记本：

https://github.com/tensorflow/swift/blob/master/docs/site/tutorials/custom_differentiation.ipynb

如果您查看 nb 运行时设置，运行时类型下拉列表会显示“ Swift ”。

但是，我无法在 colab 菜单中的任何地方找到如何从头开始快速创建笔记本。

ModelCheckpoint 可用于保存基于特定监控指标的最佳模型。因此，它显然具有有关存储在其对象中的最佳指标的信息。例如，如果您在 google colab 上训练，您的实例可能会在没有警告的情况下被杀死，并且在长时间的训练后您将丢失此信息。

我试图腌制 ModelCheckpoint 对象，但得到：

TypeError: can't pickle _thread.lock objects  

这样当我带回我的笔记本时，我可以重复使用这个相同的对象。有没有好的方法可以做到这一点？您可以尝试通过以下方式重现：

chkpt_cb = tf.keras.callbacks.ModelCheckpoint('model.{epoch:02d}-{val_loss:.4f}.h5',
                                              monitor='val_loss',
                                              verbose=1,
                                              save_best_only=True)

with open('chkpt_cb.pickle', 'w') as f:
  pickle.dump(chkpt_cb, f, protocol=pickle.HIGHEST_PROTOCOL)

我将 sample_weight 作为 tf.data.Dataset 中的第三个元组传递（在掩码的上下文中使用它，所以我的 sample_weight 要么是 0，要么是 1。问题是这个 sample_weight 似乎没有应用于度量计算.（参考：https : //www.tensorflow.org/guide/keras/train_and_evaluate#sample_weights）

这是代码片段：

train_ds = tf.data.Dataset.from_tensor_slices((imgs, labels, masks))
train_ds = train_ds.shuffle(1024).repeat().batch(32).prefetch(buffer_size=AUTO)

model.compile(optimizer = Adam(learning_rate=1e-4),
             loss = SparseCategoricalCrossentropy(),
             metrics = ['sparse_categorical_accuracy'])

model.fit(train_ds, steps_per_epoch = len(imgs)//32, epochs = 20)

训练后的损失非常接近于零，但 sparse_categorical_accuracy 不是（大约 0.89）。因此，我高度怀疑为构建 tf.dataset 传入的任何 sample_weight（掩码）都不会在训练期间报告指标时应用，而损失似乎是正确的。我通过对未单独屏蔽的子集运行预测进一步确认，并确认准确度为 1.0

另外，根据文档：

https://www.tensorflow.org/api_docs/python/tf/keras/metrics/SparseCategoricalAccuracy

该指标有 3 个参数：y_true、y_pred、sample_weight

那么如何在度量计算期间传递 sample_weight 呢？这是 keras 框架内 model.fit(...) 的责任吗？到目前为止，我找不到任何谷歌搜索的例子。