小编gog*_*sca的帖子

我想知道是否可以sys.argv在jupyter/ipython笔记本中使用命令行参数填充(或其他一些结构),类似于通过python脚本完成的操作.

例如,如果我按如下方式运行python脚本:

python test.py False

然后sys.argv将包含参数False.但是,如果我以类似的方式运行一个jupyter笔记本:

jupyter notebook test.ipynb False

然后命令行参数丢失.有没有办法从笔记本本身访问这个参数？

我曾经saver=tf.train.Saver()保存过我训练过的模型,我得到了三种名为的文件:

• .ckpt.meta
• .ckpt.index
• .ckpt.data

并且文件名为:

• 检查站

与.ckpt文件的连接是什么？

我看到有人用.ckpt文件保存模型,我不知道怎么做.如何将模型保存为.pb文件？

我是深度学习的新手，我想使用预训练 (EAST) 模型从 AI Platform Serving 提供服务，开发人员提供了以下文件：

1. model.ckpt-49491.data-00000-of-00001
2. 检查站
3. model.ckpt-49491.index
4. model.ckpt-49491.meta

我想把它转换成 TensorFlow.pb格式。有没有办法做到这一点？我从这里拿了模型

完整代码可在此处获得。

我查了一下here，它显示了以下代码来转换它：

从 tensorflow/models/research/

INPUT_TYPE=image_tensor
PIPELINE_CONFIG_PATH={path to pipeline config file}
TRAINED_CKPT_PREFIX={path to model.ckpt}
EXPORT_DIR={path to folder that will be used for export}

python object_detection/export_inference_graph.py \
    --input_type=${INPUT_TYPE} \
    --pipeline_config_path=${PIPELINE_CONFIG_PATH} \
    --trained_checkpoint_prefix=${TRAINED_CKPT_PREFIX} \
    --output_directory=${EXPORT_DIR}

我无法弄清楚要传递什么值：

• 输入类型
• PIPELINE_CONFIG_PATH。

我在python jupyter笔记本中有一个代码,但我需要每天运行这个,所以我想知道是否有办法设置这个,我真的很感激它

我按照说明集成了JIRA和BitBucket. https://confluence.atlassian.com/display/AOD/Linking+a+bitbucket+or+GitHub+repository+with+JIRA+OnDemand

我在JIRA中创建了一个新项目,然后添加了多个问题,版本和组件.启用集成后,Bitbucket中不会出现任何问题,组件或版本.Bitbucket的回购创建于昨天.

是预期的行为？

BitBucket - 私有问题跟踪器 BitBucket - OAuthConsumer配置:

JIRA DVCS已配置.网址为空,这是一个问题吗？

BitBucket - 集成应用程序:JIRA DVCS和Jira Importer插件

JIRA - 我的存储库中启用了Smart Commits

尝试使用虚拟环境在MacOSX中运行Keras

版本

• MacOSX:10.12.4(16E195)
• Python 2.7

故障排除

• 重新创建Virtualenv
• 重新安装keras

日志

(venv) me$sudo pip install --upgrade keras

Collecting keras
Requirement already up-to-date: six in /Library/Python/2.7/site-packages/six-1.10.0-py2.7.egg (from keras)
Requirement already up-to-date: pyyaml in /Library/Python/2.7/site-packages (from keras)
Requirement already up-to-date: theano in /Library/Python/2.7/site-packages (from keras)
Requirement already up-to-date: numpy>=1.9.1 in /Library/Python/2.7/site-packages (from theano->keras)
Requirement already up-to-date: scipy>=0.14 in /Library/Python/2.7/site-packages (from theano->keras)
Installing collected packages: keras
Successfully installed keras-2.0.5

(venv) me$ python -c "import keras; print(keras.__version__)"
Traceback (most recent call last):
File "<string>", line 1, …

TF 1.12：

尝试使用 tf.keras.layers 将 Pre-canned estimator 转换为 Keras：

estimator = tf.estimator.DNNClassifier(
        model_dir='/tmp/keras',
        feature_columns=deep_columns,
        hidden_units = [100, 75, 50, 25],
        config=run_config)

到使用 tf.keras.layers 的 Keras 模型：

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(100, activation=tf.nn.relu, input_shape=(14,)))
model.add(tf.keras.layers.Dense(75))
model.add(tf.keras.layers.Dense(50))
model.add(tf.keras.layers.Dense(25))
model.add(tf.keras.layers.Dense(1, activation=tf.nn.sigmoid))
model.compile(optimizer=tf.keras.optimizers.RMSprop(), loss=tf.keras.losses.binary_crossentropy, metrics=['accuracy'])
model.summary()
estimator = tf.keras.estimator.model_to_estimator(model, model_dir='/tmp/keras', config=run_config)

当我运行 Keras 模型时，我得到：

for n in range(40 // 2):
    estimator.train(input_fn=train_input_fn)
    results = estimator.evaluate(input_fn=eval_input_fn)

    # Display evaluation metrics
    tf.logging.info('Results at epoch %d / %d', (n + 1) * 2, 40)
    tf.logging.info('-' * 60)

当我训练它时，我收到此错误：

主要代码： …

我前段时间创建了一个 GCP AI Platform Notebook 实例，对于我尝试安装的许多扩展，版本似乎太低了。我做了一个pip install upgrade jupyterlab并重新启动了虚拟机实例。当我点击 时OPEN JUPYTERLAB，我发现更新没有生效。

这样做的正确方法是什么？

我jupyter在 GCP AI Platform 笔记本实例的终端中以用户身份登录。

我只想安装一些东西（无法通过 pip 安装），但无法使用 gcloud 命令以 root 用户身份进行 ssh。

如果有人可以分享获得执行这些操作的权限的正确方法的指针，那就太好了。

以下是导致问题的示例包安装的片段 -

(base)~/datascience$ sudo cp ./pip-bash-completion/pip /etc/bash_completion.d/\n\nWe trust you have received the usual lecture from the local System\nAdministrator. It usually boils down to these three things:\n\n    #1) Respect the privacy of others.\n    #2) Think before you type.\n    #3) With great power comes great responsibility.\n\n[sudo] password for jupyter: \n

sudo根据我看到的信息，我应该有权访问 -

(base)~/datascience$ sudo cp ./pip-bash-completion/pip /etc/bash_completion.d/\n\nWe trust you …

在 TensorFlow 教程中，我发现了一段从 TensorFlow 数据集加载数据集的代码。

dataset, metadata = tfds.load('cycle_gan/horse2zebra',
                              with_info=True, as_supervised=True)
train_horses, train_zebras = dataset['trainA'], dataset['trainB']
test_horses, test_zebras = dataset['testA'], dataset['testB']

但是，我想加载我自己的数据集，该数据集不是来自 TensorFlow 数据集。在收集了我自己的数据集之后，我不知道如何加载我的数据集并将其处理为与 TensorFlow tfds 相同的格式。

任何人都可以教我怎么做吗？我的数据集文件夹也具有相同的格式：trainA、trainB、testA、testB。