小编sha*_*oss的帖子

如何在全屏模式下自动打开网页？

我正在寻找一种解决方案,以全屏模式自动打开网页,而不希望用户按下F11或任何其他浏览器特定的密钥.

我搜索了很多,但我找不到解决方案.

是否有可用于帮助我实现此目的的脚本或库或浏览器特定的API？

有些机构可以根据ajax术语解释什么是跨域请求/跨域攻击/跨域协议.

张量流版本：1.11.0

我正在尝试将 TensorBoard 与 Tensorflow keras 模型结合使用进行投影仪可视化。我收到 AttributeError：图层功能没有入站节点。我不确定为什么在下面的简单代码中会出现此错误。我确实用谷歌搜索了错误，但找不到正确的解决方案来修复它。

from os import makedirs
from os.path import exists, join
import tensorflow as tf
mnist = tf.keras.datasets.mnist

import numpy as np


(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(10, activation=tf.nn.relu, name='features'),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

log_dir = "./logs"
with open(join(log_dir, 'metadata.tsv'), 'w') as f:
    np.savetxt(f, y_test)

from tensorflow.keras.callbacks import TensorBoard

tf_board_callback = TensorBoard(
                            log_dir=log_dir,
                            batch_size=32,
                            embeddings_freq=1, …

Tensorboard投影仪可视化 - PCA保持悬挂状态.

我写了一个简单的NN来预测虹膜数据集的类类型.NN模型工作正常.

import pandas as pd 
import numpy as np

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn import preprocessing

import tensorflow as tf
import tensorflow as tf
from tensorflow import keras

iris_data = load_iris()
x = pd.DataFrame(iris_data.data, columns=iris_data.feature_names)
y = pd.DataFrame(iris_data.target, columns=['class'])

encoder = preprocessing.OneHotEncoder(categories='auto')
encoder.fit(y)
#Transform
y_enc = encoder.transform(y).toarray()

x_train, x_test, y_train, y_test = train_test_split(x, y_enc)


model = keras.Sequential()
model.add(keras.layers.Dense(8, name='input_layer', activation=tf.nn.relu, input_shape=(x_train.shape[1],)))
model.add(keras.layers.Dense(4, name='hidden_layer', activation=tf.nn.relu))
model.add(keras.layers.Dense(3, name='out_layer', activation=tf.nn.softmax))

model.compile(optimizer=tf.keras.optimizers.Adam(0.005),
              loss=keras.losses.binary_crossentropy,
              metrics=[keras.metrics.categorical_accuracy])
model.fit(x_train, y_train, …

让\xe2\x80\x99s 考虑一个包含 6 列和 10 行的示例数据集。

这 3 列是数字，其余 3 列是分类变量。

分类列被转换为大小为 10x3 的多热编码数组。

我有目标列，我想要预测它也是分类变量，它可以再次采用 3 个可能的值。这一列是一个热门编码。

现在我想使用这个多重热编码数组作为嵌入层的输入。嵌入层应输出 2 个单位。

然后我想使用数据集中的 3 个数字列和嵌入层的 2 个输出单元，总共 5 个单元作为隐藏层的输入。

这就是我被卡住的地方。我不知道如何使用tensorflow keras桥接嵌入层和其他特征列，我也不知道如何传递嵌入层和其他2个单元的输入。

我已经用谷歌搜索过了。我尝试了以下代码，但仍然出现错误。\n我猜 tf.keras 包中没有 Merge 层。

对此的任何帮助将不胜感激。

        import tensorflow as tf\n        from tensorflow import keras\n        import numpy as np\n\n        num_data = np.random.random(size=(10,3))\n        multi_hot_encode_data = np.random.randint(0,2, 30).reshape(10,3)\n        target =  np.eye(3)[np.random.randint(0,3, 10)]\n\n        model = keras.Sequential()\n        model.add(keras.layers.Embedding(input_dim=multi_hot_encode_data.shape[1], output_dim=2))\n        model.add(keras.layers.Dense(3, activation=tf.nn.relu, input_shape=(num_data.shape[1],)))\n        model.add(keras.layers.Dense(3, activation=tf.nn.softmax)\n\n        model.compile(optimizer=tf.train.RMSPropOptimizer(0.01),\n …

我目前正在 R 中可用包的帮助下处理 SVM 分类问题。

本网站中给出的示例代码工作正常。 http://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Classification/SVM

但是当使用不同的数据集尝试相同的程序时，我得到了可变长度不同的错误。这是我的代码。

library(MASS)
library(e1071)
data <- ChickWeight
data <- data[-3]  # removing unwanted column  
tune.svm(data$Diet~., data = data , gamma = 10^(-6:-1) , cost=10^(-1:1))

错误。

 Error in model.frame.default(formula, data) : 
 variable lengths differ (found for 'weight')

我尝试在谷歌上搜索错误，但我可以找到正确的修复方法或为什么会产生此错误。

请让我们知道出了什么问题。

我有一个数据向量,它是正常分布的.我从图表中得到一个清晰的钟形.

问题是如何获取仅属于1sd的数据(68%的数据)

我知道我们可以像这样将Jinja变量设置为js变量.

var x = {{ 'value' }}

但我正在尝试反过来.即我试图将javascript值设置为jinja变量.我尝试了以下但没有任何效果.

{{value}} = x
{% set value = x %}
{% set value %} x {% endset %}

x是javascript变量.

有没有办法实现这一目标.