小编Jia*_*ang的帖子

问题后更新:

有关详细信息,请参阅Conda简介.

问题:

我第一次在我的ubuntu上安装了Anaconda~/anaconda,当我试图更新我的anaconda时,根据Continuum Analytics 的文档,我应该使用以下命令:

conda update conda
conda update anaconda

然后我意识到我没有安装conda,所以我使用这里的文档安装它.

安装conda后,当我运行时conda update anaconda,我收到以下错误:

错误:/ home/xiang/miniconda中未安装包'anaconda'

似乎conda假设我的anaconda安装在/home/xiang/miniconda其下是不正确的.

问题:

1. conda和anaconda有什么区别？
2. 我怎么能告诉conda我的蟒蛇的安装位置？

我的代码是:

import org.apache.spark.SparkContext

它可以在交互模式下运行,但是当我使用scalac编译它时,我收到以下错误消息:

object apache不是包org的成员

这似乎是路径的问题,但我不确切知道如何配置路径.

我正在阅读神经转移pytorch教程,并对使用retain_variable(弃用,现在称为retain_graph)感到困惑.代码示例显示:

class ContentLoss(nn.Module):

    def __init__(self, target, weight):
        super(ContentLoss, self).__init__()
        self.target = target.detach() * weight
        self.weight = weight
        self.criterion = nn.MSELoss()

    def forward(self, input):
        self.loss = self.criterion(input * self.weight, self.target)
        self.output = input
        return self.output

    def backward(self, retain_variables=True):
        #Why is retain_variables True??
        self.loss.backward(retain_variables=retain_variables)
        return self.loss

从文档中

retain_graph(bool,optional) - 如果为False,将释放用于计算grad的图形.请注意,几乎在所有情况下都不需要将此选项设置为True,并且通常可以以更有效的方式解决此问题.默认为create_graph的值.

因此,通过设置retain_graph= True,我们不会释放在向后传递上为图形分配的内存.保持这种记忆的优势是什么,我们为什么需要它？

如何转换org.apache.spark.mllib.linalg.Matrix为RDD[org.apache.spark.mllib.linalg.Vector]Spark？

矩阵是从SVD生成的,我使用SVD的结果进行聚类分析.

有没有办法在gnuplot中设置默认终端？我试图将默认终端设置为x11,但启动时始终为aqua.谢谢.

pdb我的目标是使用 JupyterLab或在 JupyterLab 中运行一些 python 脚本ipdb来捕获我的调试历史记录。

set_trace()我首先在我的 python 脚本中插入：

import torch
from IPython.core.debugger import set_trace

def train_batch(model_instance, inputs_source, labels_source, inputs_target, optimizer, args):
    inputs = torch.cat((inputs_source, inputs_target), dim=0)
    total_loss, train_stats = model_instance.get_loss(inputs, labels_source)
    total_loss[args.train_loss].backward()

    set_trace() # insert breakpoint

    optimizer.step()
    return train_stats

然后我在 JupyterLab 中运行此脚本：

!python ./trainer/train.py \
    --base_config ./config/sgd_vannila_0.001.yml \
    --dataset Office-Home \
    --class_num 50 \
    --src_address ./data/office-home/Art.txt \
    --tgt_address ./data/office-home/Clipart.txt \
    --name transfer.debug.rand_noise \
    --train_steps 10000 \
    --seed 2 \
    --filter_classes=0,50 \
    --eval_interval 50

执行在断点处停止，但不提供交互框来提示任何ipdb …

当我使用protocol('execution.txt'). 并输入一些查询时,我在输出文件中得到了一些乱码.有没有办法避免这些角色？

11 ?- beside(block2, X).
X = block3  [1m;[0m
[1;31mfalse.[0m

12 ?- beside(block4, X).
X = block7  [1m;[0m
X = block3  [1m;[0m
[1;31mfalse.[0m

13 ?- beside(block5, X).
[1;31mfalse.[0m

14 ?- above(block1,X).
X = block2  [1m;[0m
[1;31mfalse.[0m

15 ?- above(block2,X).
[1;31mfalse.[0m

16 ?- above(block6,X).
X = block5  [1m;[0m
X = block4  [1m;[0m
[1;31mfalse.[0m

17 ?- noprotocol.

不确定导致此问题的原因:错误:'='预期但是';' 找到.

val vectors = filtered_data_by_key.map( x => {
    var temp
    x._2.copyToArray(temp)  // Error occurs here
    (x._1, temp)
})

在Tensorflow中实现重量噪声的最佳方法是什么？我应该提取所有权重并施加噪声吗？还是应该将噪声应用于渐变？

我UICollectionViewDelegateFlowLayout在我的ViewController中实现了,并使用以下代码指定insets:

func collectionView(_ collectionView: UICollectionView,
                               layout collectionViewLayout: UICollectionViewLayout,
                                      insetForSectionAt section: Int) -> UIEdgeInsets {
    return sectionInsets
}

Run Code Online (Sandbox Code Playgroud)

但是当我使用断点进行调试时,从不执行此函数.因为我已经为ViewController指定了UICollectionView的委托,所以我不知道出了什么问题.