小编tra*_*veh的帖子

我正试图模拟球迷到达体育场的过程.系统本身,我相信它不会是一个问题,但是,粉丝的到来遵循正常的分布.

我的问题是:

我有一段时间来到达,如100分钟和1000名粉丝,我需要在分发之后一次产生粉丝的到来,例如 - >粉丝x到达25分钟,粉丝到达54分钟,依此类推.

如何在正态分布后生成这些随机数？

我在Java中这样做,并nextGaussian()在Random类中找到了该方法,但我不确定如何在我的情况下使用它.

有人可以赐教吗？

为什么我在IntelliJ的"NullableProblems"检查中收到警告:

public class Test implements Comparable<Test> {
    @Override
    public int compareTo(Test o) {
        return 0;
    }
}

我正在使用IntelliJ 14.1.4并使用Java 1.7进行编译

截图:

@NotNull在参数之前添加没有帮助:

根据Ubuntu 16.04 的TensorFlow 1.5 安装说明，您需要安装 cuDNN 7.0，但他们没有确切提及应该安装什么：

cuDNN v7.0。有关详细信息，请参阅NVIDIA 的文档。确保按照 NVIDIA 文档中的说明创建 CUDA_HOME 环境变量。

注册并通过所有箍下载 cuDNN 后，有多种下载和安装选项：

显然，对于 Ubuntu 16.04，它是 Linux 或 Ubuntu 运行时或开发人员，但由于我在网络上看到不同的地方提到应该安装哪个文件，我想知道哪个是最好的安装，或者是否真的有任何区别？

从Effective Java第2版,第17项:

对于每个公共或受保护的方法或构造函数,文档必须指出方法或构造函数调用哪些可覆盖的方法

后来在同一个项目中说:

构造函数不得直接或间接调用可覆盖的方法.

这两个陈述不矛盾,还是我错过了什么？

我发现了很多关于如何克服这个限制的帖子,但是没有关于为什么存在这种限制的帖子(除了这个,它只是提到它与类型擦除有关).

那么为什么不能创建泛型类型的实例呢？

澄清一下,我的问题不是如何做到的.我知道在C#中有可能,为什么不用Java？我很好奇为什么Java人员没有实现类似的机制？为什么迫使Java开发人员使用可能导致运行时错误的尴尬变通方法？这种机制是否存在潜在的危险？

在排序列表上工作我得到了一个点,我需要为原始long值实现compareTo()函数.

我不是在寻找明显天真的实现,但是想知道是否有一个优雅的单行代码来做(不创建新的Long(值)).

也许是这样的:

@Override public int compareTo(MyClass that) {
    return (int) ((value - that.value) >>> 32);
}

任何人都可以验证是否可以工作和/或建议另一个实现？

有没有办法在IntelliJ中自动重新排列修饰符关键字？

例如,如果我有以下代码:

private final static int x = 0;
final private static int y = 0;
static final private int z = 0;

将其重新排列为:

private final static int x = 0;
private final static int y = 0;
private final static int z = 0;

我在三类分类问题上使用OneVsRest分类器(三个随机森林).每个类的出现都是我的虚拟整数(1表示发生,0表示否则).我想知道是否有一种简单的替代方法来创建混淆矩阵？正如我遇到的所有方法一样,以y_pred,y_train = array,shape = [n_samples]的形式获取参数.理想情况下,我想要y_pred,y_train = array,shape = [n_samples,n_classes]

一些样本,类似于问题的结构:

y_train = np.array([(1,0,0), (1,0,0), (0,0,1), (1,0,0), (0,1,0)])
y_pred = np.array([(1,0,0), (0,1,0), (0,0,1), (0,1,0), (1,0,0)])


print(metrics.confusion_matrix(y_train, y_pred) 

退货:不支持多标签指标

我不明白如何使用TensorFlow Estimator API进行单一预测 - 我的代码导致无限循环,不断预测相同的输入.

根据文档,当input_fn引发StopIteration异常时,预测应该停止:

input_fn:返回功能的输入函数,它是Tensor或SparseTensor的字符串功能名称字典.如果它返回一个元组,则第一个项目被提取为特征.预测将继续,直到input_fn引发输入结束异常(OutOfRangeError或StopIteration).

这是我的代码中的相关部分:

classifier = tf.estimator.Estimator(model_fn=image_classifier, model_dir=output_dir,
                                    config=training_config, params=hparams)

def make_predict_input_fn(filename):
    queue = [ filename ]
    def _input_fn():
        if len(queue) == 0:
            raise StopIteration
        image = model.read_and_preprocess(queue.pop())
        return {'image': image}
    return _input_fn

predictions = classifier.predict(make_predict_input_fn('garden-rose-red-pink-56866.jpeg'))
for i, p in enumerate(predictions):
    print("Prediction %s: %s" % (i + 1, p["class"]))

我错过了什么？

我正在使用 Keras 训练图像分类网络（使用独立版本 - 不是包含 TensorFlow 的版本，因为它还没有 Inception ResNet v2）。

我正在使用evaluate_generator大约 20,000 张图像来评估网络结果，但运行时间很长（几分钟）。有没有办法在运行时输出进度？在文档或 Google 结果中找不到任何关于此的信息。