小编asd*_*sdf的帖子

React-redux connect()不能包装定义为扩展React.Component的类的组件

我可能会遗漏一些东西,但是我找不到任何connect()将组件定义为类(扩展React.Component)的示例 ,它总是包装定义为简单函数的组件.

像这样的电话:

connect(mapStateToProps, mapDispatchToProps)(HomeView)

Run Code Online (Sandbox Code Playgroud)

在哪里HomeView extends React.Component,我收到一个Cannot call a class as a function错误.

任何帮助将非常感激.

编辑(对不起代码,我不知道可能是什么相关):

路线/主页/分量/ HomeView.js

import React from 'react'
import './HomeView.scss'

class HomeView extends React.Component {
  render() {
    return (
      <div>
        <h4>Home</h4>
        <div id="g-signin2" data-onsuccess={this.props.signin} />
      </div>
    )
  }

  componentDidMount() {
        gapi.signin2.render('g-signin2', {
            'scope': 'profile email',
            'width': 200,
            'height': 50,
            'longtitle': true,
            'theme': 'dark'
        });
  }
}

HomeView.propTypes = {
  signin : React.PropTypes.func.isRequired
}

export default HomeView

Run Code Online (Sandbox Code Playgroud)

路线/主页/模块/ home.js …

reactjs react-redux

asd*_*sdf

2017 02-26

14
推荐指数

2
解决办法

1万
查看次数

在TypeScript中使用Threejs + OrbitContols

我无法在TypeScript中使用前面提到的组合这个例子.

我有<script src="lib/three.min.js"></script>和<script src="lib/OrbitControls.js"></script>我的html <head>和typescript文件<body>:

/// <reference path="lib\three.d.ts" />
...
this.controls = new THREE.OrbitControls(this.camera); //there's the error
this.controls.addEventListener('change', this.render);
...

Run Code Online (Sandbox Code Playgroud)

和

this.controls.update();

Run Code Online (Sandbox Code Playgroud)

在周期性调用render()函数.据我所知,设置与expample相同,但在编译OrbitControls构造函数行时给出了一个巨大的错误(缩写):

The property 'OrbitControls' does not exist on value of type '{REVISION:string;   
CullFace: {[x: number ...

Run Code Online (Sandbox Code Playgroud)

我猜这个错误中有整个Threejs,因为Visual Studio在我点击它时崩溃了:).谢谢你的帮助.

html javascript three.js typescript

asd*_*sdf

2013 10-19

12
推荐指数

4
解决办法

9139
查看次数

Keras网络产生逆预测

我有一个时间序列数据集,我正在尝试训练一个网络,以便它过度拟合(显然,这只是第一步,我将与过度拟合作斗争).

网络有两层:LSTM(32个神经元)和密集(1个神经元,没有激活)

培训/模型有这些参数: epochs: 20,steps_per_epoch: 100,loss: "mse",optimizer: "rmsprop".

TimeseriesGenerator产生输入系列:length: 1,sampling_rate: 1,batch_size: 1.

我希望网络能够记住这么小的数据集(我尝试过更复杂的网络无济于事),训练数据集的损失几乎为零.它不是,当我在训练集上可视化结果时,如下所示:

y_pred = model.predict_generator(gen)
plot_points = 40
epochs = range(1, plot_points + 1)
pred_points = numpy.resize(y_pred[:plot_points], (plot_points,))
target_points = gen.targets[:plot_points]
plt.plot(epochs, pred_points, 'b', label='Predictions')
plt.plot(epochs, target_points, 'r', label='Targets')
plt.legend()
plt.show()

Run Code Online (Sandbox Code Playgroud)

我明白了:

预测的幅度稍微小一些,但与目标正好相反.顺便说一句.这是没有记忆的,即使对于算法没有训练过的测试数据集,它们也是反转的.似乎我的网络不是记住数据集而是学会否定输入值并稍微缩小它.知道为什么会这样吗？它似乎不是优化器应该收敛的解决方案(损失相当大).

编辑(我的代码的一些相关部分):

train_gen = keras.preprocessing.sequence.TimeseriesGenerator(
        x,
        y,
        length=1,
        sampling_rate=1,
        batch_size=1,
        shuffle=False
    )

model = Sequential() …

Run Code Online (Sandbox Code Playgroud)

python machine-learning keras tensorflow

asd*_*sdf

2019 01-20

8
推荐指数

1
解决办法

730
查看次数