小编Hoo*_*ked的帖子

有谁知道如何向 matplotlib 的新绘图类型 eventplot 添加图例？

我尝试过很多失败的事情，包括：

labels1 = ['red', 'green', 'blue', 'yellow', 'magenta', 'cyan']
ax2.eventplot(data1, colors=colors1, lineoffsets=lineoffsets1,
              linelengths=linelengths1, orientation='vertical', label=labels1)
ax2.legend()

这些编辑是对示例代码进行的，eventplot_demo.py 位于 http://matplotlib.org/dev/api/pyplot_api.html#matplotlib.pyplot.eventplot

我正在尝试学习如何在C ++ 11中执行“令人尴尬的”并行任务。我遇到的一个常见模式是在一个值范围内求值时获得函数的结果，类似于调用python的multiprocessing.Pool.map。我编写了一个最小的示例，显示了我知道该怎么做，即调用单个进程并等待结果。如何异步“映射”此调用并等待所有值完成？理想情况下，我希望结果的长度和顺序与原始向量相同。

#include <iostream>
#include <thread>
#include <future>
#include <vector>

using namespace std;

double square_add(double x, double y) { return x*x+y; }

int main() {
  vector<double> A = {1,2,3,4,5};

  // Single evaluation
  auto single_result = std::async(square_add,A[2],3);
  cout << "Evaluating a single index " << single_result.get() << endl;

  // Blocking map
  for(auto &x:A) {
    auto blocking_result = std::async(square_add,x,3);
    cout << "Evaluating a single index " << blocking_result.get() << endl;
  }

  // Non-blocking map?

  return 0;
}

注意：要使此代码与gcc …

我警告你,这可能令人困惑,我写的代码更多的是思维导图而不是完成代码.

我正在尝试使用Newton-Raphson方法来求解方程.我无法弄清楚的是如何写这个

Python中的等式,用于计算最后一次近似(xn)的下一个近似值(xn + 1).我必须使用循环,越来越接近真实的答案,并且当近似值之间的变化小于变量h时,循环应该终止.

1. 如何编写等式的代码？

2. 当近似值不再变化时,如何终止循环？

   计算方程f的导数,在点x,精度为h(这用于求解方程式())

   def derivative(f, x, h):
       deriv = (1.0/(2*h))*(f(x+h)-f(x-h))
       return deriv
   

   Run Code Online (Sandbox Code Playgroud)

   数值方程求解器

   假设循环直到近似值之间的差异小于h

   def solve(f, x0, h):
       xn = x0
       prev = 0
   
       while ( approx - prev > h):
            xn = xn - (f(xn))/derivative(f, xn, h)
   
       return xn
   

   Run Code Online (Sandbox Code Playgroud)

我无法将枚举值设置为其中一个可能的类...

如果我在iPython窗口中:

eTest = Enum('zero', 'one', 'two', 'three')

我可以:

eTest.value = eTest.values[2]

并print eTest.value给我正确的答案:两个

我在python类中尝试相同的东西,它告诉我:

AttributeError: 'str' object has no attribute 'values'

如何设置eTest以获得Enums的[3]值而无需输入"three"这个词？

我有一个功能正常的 curl 请求：

curl --form "bio[0]=@images/12345.jpg" --form "bio[1]=@images/6789.jpg" --form "Verify=Verfiy" http://192.45.35.89/test.php

我正在尝试转换为 python 请求：

requests.post('http://192.45.35.89/test.php', data = {
    'bio' : [
        ('12345.jpg', open('images/12345.jpg', 'rb'), 'image/png'),
        ('6789.jpg', open('images/6789.jpg', 'rb'), 'image/png')
    ],
    'Verify' : 'Verify'
})

请求的 python 版本产生关于“文件未找到或不可访问”的服务器错误。

我是否正确地将 curl 请求转换为 python 请求？任何指针将不胜感激。

如何在训练后保存模型重量？

Keras提供:

model.save( 'weights.h5')`

模型对象由build_fn属性函数初始化,如何进行保存？

def model():
    model = Sequential()
    model.add(Dense(10, activation='relu', input_dim=5))
    model.add(Dense(5, activation='relu'))
    model.add(Dense(1, kernel_initializer='normal'))
    model.compile(loss='mean_squared_error', optimizer='adam')
    return model


if __name__ == '__main__':
`

    X, Y = process_data()

    print('Dataset Samples: {}'.format(len(Y)))

    model = KerasRegressor(build_fn=model,
            epochs=10,
            batch_size=10,
            verbose=1)


    kfold = KFold(n_splits=2, random_state=seed)

    results = cross_val_score(model, X, Y, cv=kfold)

    print('Results: {0}.2f ({1}.2f MSE'.format(results.mean(), results.std()))

我已经通过这个 pytorch api 通过设置 download=True 下载了 ImageNet 数据集。但我无法遍历数据加载器。

错误说“'DataLoader' 对象不支持索引”

trainset = torch.utils.data.DataLoader(
    datasets.ImageNet('/media/farshid/DataStore/temp/Imagenet/', split='train',
                      download=False))
trainloader = torch.utils.data.DataLoader(trainset, batch_size=1, shuffle=False, num_workers=1)

我尝试了一种简单的方法，我只是尝试运行以下命令，

trainloader[0]

在根目录中，模式是

root/  
    train/  
          n01440764/
          n01443537/ 
                   n01443537_2.jpg

官网上的文档没有说别的。https://pytorch.org/docs/stable/torchvision/datasets.html#imagenet

我究竟做错了什么 ？

我有一个使用创建的现有索引GPTVectorStoreIndex。但是，当我尝试使用该insert方法将新文档添加到现有索引时，出现以下错误：

AttributeError: 'list' object has no attribute 'get_text'

我更新索引的代码如下：

max_input_size = 4096
num_outputs = 5000
max_chunk_overlap = 256
chunk_size_limit = 3900
prompt_helper = PromptHelper(max_input_size, num_outputs, max_chunk_overlap, chunk_size_limit=chunk_size_limit)
llm_predictor = LLMPredictor(llm=OpenAI(temperature=0, model_name="gpt-3.5-turbo", max_tokens=num_outputs))
    
service_context = ServiceContext.from_defaults(llm_predictor=llm_predictor, prompt_helper=prompt_helper)

directory_path = "./trial_docs"
file_metadata = lambda x : {"filename": x}
reader = SimpleDirectoryReader(directory_path, file_metadata=file_metadata)
    
documents = reader.load_data()
print(type(documents))
index.insert(document = documents, service_context = service_context)

我是装饰师的想法的新手(并且仍然试图绕过他们),但我认为我遇到了一个非常适合他们的问题.我希望在数学库中包含所有函数的类.更具体地说,我的班级有两个成员,x和flag.当flag为true时,我想要调用原始数学函数.当flag为false时,我想返回None.

作为我在这里要求的框架是这个类:

import math

class num(object):
  def __init__(self, x, flag):
    self.x = x
    self.flag = flag

  def __float__(self):
    return float(self.x)

结果,这很好:

a = num(3, True)
print math.sqrt(a)

然而,这应该(在我完美的世界),返回无:

b = num(4, False)
print math.sqrt(b)

有关如何应用于整个函数库的任何建议或提示？

有关.netWindows环境的问题非常类似:

你如何保护自己免受失控的内存消耗降低PC？

这个问题是针对使用C或C++的Unix环境提出的.举个例子,考虑下面的危险小块:

#include <vector>
int main() {
  int n;
  std::vector<double> A(n);
}

如果你很幸运,代码会抛出一个范围错误.如果你运气不好(在我的情况下,内存中的值是283740392),代码将很快使用所有可用的RAM并导致大量交换到磁盘,将操作系统更快地打磨到虚拟静止然后它就可以被杀死.当然,最终可以最终终止该进程,但通常需要几分钟才能恢复,因为所有其他正在运行的进程必须加载回内存.这不是一个问题,其答案意味着缺乏RAM,人们可能很容易给出一个失控的过程,淹没任何可用的机器.