小编San*_*ino的帖子

我是C#和线程的新手,这是一个非常简单的问题,但让我真的陷入困境.我在这个网站上搜索过但找不到类似于我的场景的答案:

我有一个方法说Parent(),并且我创建了一个类型列表,每次第n次我将它传递给一个Task.我有什么时候清除列表并释放内存的问题,因为它不断增长.我在任务结束时尝试清除列表,如果我使用Parent方法清除列表,则该列表在该线程中为空.

有人能帮助我吗？我知道这是一个非常简单的问题,但我会很感激帮助.

    public void Parent()
    {
     List<MyType> list = new List<MyType>();
     for (int i = 0; i< N; i++)
     {
        list.Add(new MyType {Var = "blah"});

      if ( i% 10 == 0) //every tentth time we send a task out tou a thread
      {
       Task.Factory.StartNew(() => WriteToDB(new List<MyType>(list))); 
       //here I am              sending a new instance of the list

        //Task.Factory.StartNew(() => WriteToDB((list))); 
        //here I am sending same instance

        list.Clear();

         //if I clear here the list sent to the WriteToDB is empty …

我正在尝试存储一些散列（最初以十六进制），但我将它们转换为 int 以保存在 pgsql 中，但得到

select 12347933502038296527::bigint

ERROR:  bigint out of range
********** Error **********
ERROR: bigint out of range
SQL state: 22003

我意识到数字对于int8类型来说太大了，我应该使用什么数据类型而不是 int8？将decimal工作我的情况？有没有其他策略可以拯救如此大的数字？

有谁知道是否可以对给定的 instagram 图像 url 的海报用户 ID 进行逆向工程，例如，给定一个 url，例如：

https://scontent.cdninstagram.com/t51.5881-15/s320x320/e15/123457_0107357035024633_1369594222_n.jpg

是否可以从上面的网址获取user_idand ？image_id

我是一个深度学习的新手,正致力于使用Caffe为图像创建车辆分类器,并有一个由3个部分组成的问题:

1. 组织培训CNN的课程是否有最佳实践？即每个班级的班级数量和样本数量？例如,我会以这种方式变得更好:

   • (a)车辆 - 轿车 - 轿车/汽车 - 两厢车/轿车 - SUV /卡车 - 18轮/ ....(注意这可能意味着几千个级别),或者
   • (b)有一个更高级别的模型,在汽车/卡车/ 2轮车等之间进行分类......如果是汽车类型,则查询汽车模型以获得汽车类型
     (轿车/两厢车等)

2. 每节课有多少训练图像是典型的最佳实践？我知道有几个其他变量会影响CNN的准确性,但是在每个班级中,有哪些粗略的数字可以拍摄？它应该是模型中类的数量的函数吗？例如,如果我的模型中有很多类,我应该为每个类提供更多样本吗？

3. 我们如何确保我们不会过分适应课堂？有没有办法测量一类训练样本的异质性？

提前致谢.

我有一堆带有各种剪辑的视频，拼接在一起。这些剪辑来自移动摄像机，尽管在剪辑期间具有相同的主题和背景，并且剪辑之间的过渡通常很快并且没有标记。我想将视频剪辑得尽可能接近原始状态。

什么算法/方法可用于检测视频中的场景变化？我正在尝试使用帧减法方法，但肯定有更复杂的方法。

ps我正在寻找更传统的机器视觉方法（相对于深度学习）

我有一系列同心矩形，并希望获得除内部矩形之外的外部矩形的均值。参见附图，我需要获取阴影区域的平均值。

因此，我正在使用内部矩形的遮罩传递给cv2.mean方法，但不确定如何设置遮罩。我有以下代码：

for i in xrange(0,len(wins)-2,1):
    means_1 = cv2.mean(wins[i])[0]
    msk = cv2.bitwise_and(np.ones_like((wins[i+1]), np.uint8),np.zeros_like((wins[i]), np.uint8))
    means_2 = cv2.mean(wins[i+1],mask=msk)
    means_3 = cv2.mean(wins[i+1])[0]
    print means_1,means_2,means_3

我收到此错误的means_2（means_3正常）.:

错误：/Users/jenkins/miniconda/0/2.7/conda-bld/work/opencv-2.4.11/modules/core/src/arithm.cpp:1021：错误：（-209）该操作都不是'array op数组”（其中数组具有相同的大小和类型），在binary_op函数中也不是“数组运算标量”或“标量运算数组”

我正在使用stackAPI Python 包装器与 stackexchange api 进行交互。我正在尝试获取高于投票计数阈值的最热门问题；对于每个问题，超过一定票数的最佳答案。

  SITE = StackAPI("stackoverflow")
  SITE.max_pages=2
  SITE.page_size=100
  questions = SITE.fetch('questions', min=10, sort='votes')
  for quest in questions['items']:
    if 'title' not in quest: continue
    quest_id = quest['question_id']
    title = quest['title']
    tags = []
    if 'tags' in quest:
      tags = quest['tags']
    #body = quest['body']
    body = ""
    if 'body' in quest:
      body = quest['body']

    answers = SITE.fetch('answers', id=[quest_id],min=10, sort='votes')
    for answer in answers['items']:
         _stuck here_

这就是我陷入困境的地方，如何获取上述 Question_id 的答案，此查询返回一些随机的answer_ids。如何获取question-< answers

我想上手word2vec和doc2vec使用优秀的教程,在这里和这里,并试图使用代码样本.我只添加了line_clean()删除标点符号,停用词等的方法.

但是我line_clean()在训练迭代中调用的方法遇到了麻烦.我理解对全局方法的调用搞砸了,但我不知道如何解决这个问题.

Iteration 1
Traceback (most recent call last):
  File "/Users/santino/Dev/doc2vec_exp/doc2vec_exp_app/doc2vec/untitled.py", line 96, in <module>
    train()
  File "/Users/santino/Dev/doc2vec_exp/doc2vec_exp_app/doc2vec/untitled.py", line 91, in train
    model.train(sentences.sentences_perm(),total_examples=model.corpus_count,epochs=model.iter)
  File "/Users/santino/Dev/doc2vec_exp/doc2vec_exp_app/doc2vec/untitled.py", line 61, in sentences_perm
    shuffled = list(self.sentences)
AttributeError: 'TaggedLineSentence' object has no attribute 'sentences'

我的代码如下:

import gensim
from gensim import utils
from gensim.models.doc2vec import TaggedDocument
from gensim.models import Doc2Vec
import os
import random
import numpy
from sklearn.linear_model import LogisticRegression
import logging
import sys …