我在Julia中有带标题的数据框,但我需要将其转换为数组进行一些过滤,有一些类似的帖子,人们建议使用:
iris[:, 1:3]
从数据帧获取数组,但此方法不适用于带有标题的数据框,任何建议我该怎么办？
数据帧格式:
FP | C1 | Cz | C2 ....
* | * | * | * ....
. | . | . | . ....
. | . | . | . ....
. | . | . | . ....
这似乎是这里的常见问题之一（1,2,3 ） ，但我仍在努力定义PyTorch conv1D输入的正确形状。
我有长度为 512 的文本序列（每个序列的标记数量），每个标记由长度为 768 的向量表示（嵌入）。我使用的批量大小是 6。
所以我的 conv1D 输入张量的形状为 [6, 512, 768]。
input = torch.randn(6, 512, 768)
现在，我想使用 PyTorch 的 conv1D 层对内核大小为 2 的序列长度 (512) 进行卷积。
理解1：
我假设“in_channels”是 conv1D 层的嵌入维度。如果是这样，那么 conv1D 层将以这种方式定义，其中
in_channels = embedding dimension (768)
out_channels = 100 (arbitrary number)
kernel = 2
convolution_layer = nn.conv1D(768, 100, 2)
feature_map = convolution_layer(input)
但有了这个假设，我得到以下错误：
RuntimeError: Given groups=1, weight of size 100 768 2, expected input `[4, 512, 768]` to have 768 …如果我的问题很愚蠢,我对朱莉娅很新,请原谅我
对于exmaple我定义了这样的类型:
type Vector2D
x::Float64
y::Float64
end
和2个对象w和v:
v = Vector2D(3, 4)
w = Vector2D(5, 6)
如果我把它们加起来就会引发这个错误:MethodError: no method matching +(::Vector2D, ::Vector2D)没关系,但是当我想定义一个用于求和这些对象的方法时
+(a::Vector2D, b::Vector2D) = Vector2D(a.x+b.x, a.y+b.y)
它引发了这个错误:
error in method definition: function Base.+ must be explicitly imported to be extended
朱莉娅版本0.5
我想通过比较输出信号及其真实输出值来计算每个输入的神经网络的输出误差，因此我需要两个矩阵来计算此任务。
我有 (n*1) 形状的输出矩阵，但在标签中我只有应该被激活的神经元的索引，所以我需要一个形状相同的矩阵，所有元素都为零，除了它的索引是等于标签。我可以用一个函数来做到这一点，但我想知道numpypython 中是否有一个内置的方法可以为我做到这一点？
我有一个类或扩展类型，cython如下所示：
cdef class Self_Organized_Map:
cdef
def __cinit__(self,np.ndarray data,.....):
....
我使用此cython文件（其名称为som.pyx）创建了一个 python 模块distutils，然后将其导入python并用它来创建和训练模型，但是当我想使用它保存模型时，pickle它给了我这个错误：
TypeError：无法腌制 som.Self_Organized_Map 对象
pickle 或我的代码有什么问题？pickle 无法保存扩展对象吗？
运行此代码后,我正在使用julia 0.5:
Freqsample = 100;
second = 4;
step = (Freqsample * second )-1
我收到此错误:
MethodError: no method matching getindex(::Int64, ::Colon, ::UnitRange{Int64})
in -(::Int64, ::Int64) at main.jl:12
in include_string(::String, ::String) at loading.jl:441
in eval(::Module, ::Any) at boot.jl:234
in (::Atom.##65#68)() at eval.jl:40
in withpath(::Atom.##65#68, ::Void) at utils.jl:30
in withpath(::Function, ::Void) at eval.jl:46
in macro expansion at eval.jl:109 [inlined]
in (::Atom.##64#67{Dict{String,Any}})() at task.jl:60
减法有什么不对？如果这是一个愚蠢的问题,我对朱莉娅的原谅很新
我正在尝试为jupyter笔记本中的平台制作教程
在某些时候我需要在这样的单元格中运行linux命令:
!sudo apt-get install blah
但无法弄清楚如何进入sudo通行证,我不想用sudo运行jupyter笔记本,任何想法如何做到这一点？