小编use*_*561的帖子

我尝试使用Map.map将地图转换为元组列表.然而,这失败了.我做了以下实验:

val m = Map(("a" -> 1), ("b" -> 2))
         //> m  :     scala.collection.immutable.Map[String,Int] = Map(a -> 1, b -> 2)
val r1 = m.map{ case (k,v) => v}                //> r1  : scala.collection.immutable.Iterable[Int] = List(1, 2)
def toTuple[A,B](a:A,b:B) = (a,b)               //> toTuple: [A, B](a: A, b: B)(A, B)
//val r2: List[Tuple2[_,_]] = m.map(e => (e._1,e._2))
val r3 = m.map(e => toTuple(e._1,e._2))         //> r3  : scala.collection.immutable.Map[String,Int] = Map(a -> 1, b -> 2)
val r4 = m.toSeq                                //> r4  : Seq[(String, …

我正在寻找一种方法来快速更改Jupyter中的交互式会话中的图形,以便测试不同的结构.最初我想简单地删除现有变量并使用不同的初始化程序重新创建它们.这似乎不可能[1].

然后我找到[2],现在我试图简单地丢弃并重新创建默认图.但这似乎不起作用.这就是我做的:

一个.开始一个会话

import tensorflow as tf
import math

sess = tf.InteractiveSession()

湾 在默认图表中创建变量

IMAGE_PIXELS = 32 * 32
HIDDEN1 = 200

BATCH_SIZE = 100
NUM_POINTS = 30

images_placeholder = tf.placeholder(tf.float32, shape=(BATCH_SIZE, IMAGE_PIXELS))
points_placeholder = tf.placeholder(tf.float32,   shape=(BATCH_SIZE, NUM_POINTS))


# Hidden 1
with tf.name_scope('hidden1'):
  weights_init = tf.truncated_normal([IMAGE_PIXELS, HIDDEN1], stddev=1.0 / math.sqrt(float(IMAGE_PIXELS)))
  weights      = tf.Variable(weights_init, name='weights')
  biases_init  = tf.zeros([HIDDEN1])
  biases       = tf.Variable(biases_init, name='biases')
  hidden1      = tf.nn.relu(tf.matmul(images_placeholder, weights) + biases)

C.使用变量

# Add the variable initializer Op.
init = tf.initialize_all_variables()

# Run the …

我在一些R代码中使用bit64包.我创建了一个64位整数的向量,然后尝试sapply用来迭代向量中的这些整数.这是一个例子:

v = c(as.integer64(1), as.integer64(2), as.integer64(3))
sapply(v, function(x){is.integer64(x)})
sapply(v, function(x){print(x)})

无论是is.integer64(x)和print(x)给出不正确的(或至少)意外的答案(FALSE和不正确的浮点值).我可以通过直接索引向量来绕过这个c但我有两个问题:

1. 为什么类型转换？他们的某些规则R是否在这种情况下使用？
2. 任何人都可以避免这种类型的转换？

TIA.