小编Mat*_*cka的帖子

我正在使用puppeteer获取一个页面,该页面在浏览器控制台中有一些错误,但是所有控制台消息都没有触发puppeteer的控制台事件.

puppeteer chromium浏览器显示多个控制台消息

但是,puppeteer只有控制台在节点中记录一件事

这是我目前使用的脚本:

const puppeteer = require('puppeteer');

(async () => {
  const browser = await puppeteer.launch();
  const page = await browser.newPage();
  page.on('console', msg => console.log('PAGE LOG:', msg.text));
  await page.goto('https://pagewithsomeconsoleerrors.com');
  await browser.close();
})();

编辑:正如我在下面的评论中所述,我确实尝试了Everettss推荐但不起作用的page.waitFor(5000)命令.

Edit2:msg.text意外删除了传播操作员.

Edit3:我在github上用类似但不同的示例屏幕截图打开了一个问题:https://github.com/GoogleChrome/puppeteer/issues/1512

我写了一个非常简单的Android应用程序来测试firebase推送通知,我收到两次通知.

这是清单服务:

<service
        android:name="com.google.firebase.messaging.FirebaseMessagingService">
        <intent-filter>
            <action android:name="com.google.firebase.MESSAGING_EVENT"/>
        </intent-filter>
    </service>
    <service
        android:name="com.google.firebase.iid.FirebaseInstanceIdService">
        <intent-filter>
            <action android:name="com.google.firebase.INSTANCE_ID_EVENT"/>
        </intent-filter>
    </service>

这是应用程序gradle:

    compile 'com.google.android.gms:play-services:9.0.0'
    compile 'com.google.firebase:firebase-core:9.0.0'
    compile 'com.google.firebase:firebase-messaging:9.0.0'
}
apply plugin: 'com.google.gms.google-services'

这是项目级别的gradle:

classpath 'com.google.gms:google-services:3.0.0'

我试过这个,但是我收到了一个错误.

http.get({ url: 'http://www.panda.tv/ajax_chatinfo?roomid=89757',
    agent: 'Mozilla/5.0' }, function(res) {
    res.on('data', function(chunk) {
        doSomething();
    });
});

我阅读了API文档,但是我没有找到任何关于如何创建的内容.

当我运行代码时,我收到以下错误:

_http_client.js:158
    self.agent.addRequest(self, options);
               ^

TypeError: self.agent.addRequest is not a function
    at new ClientRequest (_http_client.js:158:16)
    at Object.exports.request (http.js:31:10)

    at Object.exports.get (http.js:35:21)
    at getChatInfo (/home/zeek/Documents/pandatv/node/app.js:5:10)
    at Object.<anonymous> (/home/zeek/Documents/pandatv/node/app.js:153:1)
    at Module._compile (module.js:541:32)
    at Object.Module._extensions..js (module.js:550:10)
    at Module.load (module.js:458:32)
    at tryModuleLoad (module.js:417:12)
    at Function.Module._load (module.js:409:3)

我的代码如下：

import pytest
import requests
from unittest import mock

@mock.patch('requests.get')
def test_verify(mock_request):
    mock_resp = mock.Mock()
    mock_resp.status_code = 404

    mock_request.return_value = mock_resp
    r = requests.get()

    with pytest.raises(requests.exceptions.HTTPError) as err_msg:
        r.raise_for_status()
    print(err_msg)

由于响应的状态代码设置为 404，我预计会引发 HTTPError。但是，有一个错误说明

Failed: DID NOT RAISE <class 'requests.exceptions.HTTPError'>

输出如下：

======================================== 测试会话开始====== ================================== 平台达尔文 -- Python 3.6.4, pytest-3.7.0, py- 1.5.2, pluggy-0.7.1 rootdir: /Users/michael/Code/youtube-data-api, inifile: plugins: requests-mock-1.5.2 收集了1个项目

temp_test.py F
[100%]

==============================================失败==== ======================================================================

模拟请求 =

@mock.patch('requests.get')
def test_verify(mock_request):
    mock_resp = mock.Mock()
    mock_resp.status_code = 404

    mock_request.return_value = mock_resp
    r = requests.get()
    #print(r.status_code) …

Run Code Online (Sandbox Code Playgroud)

错误的屏幕截图：无法解析“进程/浏览器”：

我希望有人能在这里帮助我。随着 Webpack 5 的 Polyfill 发生重大变化，我能够使用 React-rewired 将后备添加到 config-overrides.js

我 npm 安装了我能安装的所有依赖项，但我仍然收到“进程/浏览器”的错误。我不太确定如何识别问题。

const webpack = require("webpack");

module.exports = function override(config) {
  const fallback = config.resolve.fallback || {};
  Object.assign(fallback, {
    crypto: require.resolve("crypto-browserify"),
    stream: require.resolve("stream-browserify"),
    assert: require.resolve("assert"),
    http: require.resolve("stream-http"),
    https: require.resolve("https-browserify"),
    os: require.resolve("os-browserify"),
    url: require.resolve("url"),
    zlib: require.resolve("browserify-zlib"),
    fs: require.resolve("browserify-fs"),
    process: require.resolve("process"),
    buffer: require.resolve("buffer"),
    net: require.resolve("net"),
  });
  config.resolve.fallback = fallback;
  config.plugins = (config.plugins || []).concat([
    new webpack.ProvidePlugin({
      process: "process/browser",
      Buffer: ["buffer", "Buffer"],
    }),
  ]);
  return config;
}; 

我开发了原生Android应用程序,现在要求开发的应用程序需要在Xamarin或Titanium Appcelerator等跨平台上,现在请一些专家软件工程师建议我应该选择哪个跨平台？为什么？如果我选择Xamarin那么Xamarin的优点和缺点是什么？如果我选择Titanium Appcelerator那么钛的优点和缺点是什么？任何帮助将受到高度赞赏.

这听起来可能很老了......

使用 yowsup-cli 注册我的号码时，出现以下错误：

    INFO:yowsup.common.http.warequest:{"login":"************","status":"fail","reason":"old_version"}

status: fail
reason: old_version
login: ************

那是因为我有

yowsup-cli v2.0.15
yowsup 2.5.0

我尝试了这里建议的所有解决方案...例如，通过 GitHub 重新安装通过 pip 升级进行更新升级，并尝试了 yowsup 教程...

还有其他选择可以解决这个问题吗？或者这里可能有什么问题？

我目前正在尝试在 Keras 中实现 DDPG。我知道如何更新评论家网络（普通 DQN 算法），但我目前坚持更新演员网络，它使用等式：

因此，为了将演员网络 wrt 的损失减少到其权重 dJ/dtheta，它使用链式法则来获得 dQ/da（来自评论家网络）* da/dtheta（来自演员网络）。

这看起来不错，但我无法理解如何从这两个网络中推导出梯度。有人可以向我解释这部分吗？

当 Visual Studio 以管理员身份运行Ctrl-C且Ctrl-V快捷键不起作用时...

但是当正常运行 VS 时（而不是以管理员身份），这些快捷键可以正常工作。

我正在研究一个问题，根据奶牛的图像预测奶牛有多胖的分数。我应用了 CNN 来估计 0-5 之间的值（我拥有的数据集仅包含 2.25 和 4 之间的值）我使用了 4 个 CNN 层和 3 个隐藏层。

我实际上有两个问题：1/我得到了 0.05 的训练误差，但是在 3-5 个时期之后，验证误差仍然保持在 0.33 左右。2/ 我的神经网络预测的值在 2.9 到 3.3 之间，与数据集范围相比太窄了。正常吗？

我怎样才能改进我的模型？

model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(16, (3,3), activation='relu', input_shape=(512, 424,1)),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(32, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(32, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2,2),
    tf.keras.layers.Flatten(input_shape=(512, 424)),
    tf.keras.layers.Dense(256, activation=tf.nn.relu),
    tf.keras.layers.Dense(128, activation=tf.nn.relu),
    tf.keras.layers.Dense(64, activation=tf.nn.relu),
    tf.keras.layers.Dense(1, activation='linear')
])

学习曲线：

预言：