小编Mr_*_*s_D的帖子

我用表单打开一些选项卡，当我按下命令按钮时（会话过期一段时间后），我收到一条 java 脚本警报：

serverError: class javax.faces.application.ViewExpiredException viewId:/register.xhtml - 无法恢复 View /register.xhtml。

在 Firefox 上（本地 glassfish 4）

我已经添加了 ：

<error-page>
    <exception-type>javax.faces.application.ViewExpiredException</exception-type>
    <location>/index.xhtml?faces-redirect=true</location>
</error-page>

在我的web.xml但我没有重定向到我的索引。这是为什么 ？

编辑：示例按钮

<h:commandButton value="Register" action="#{userController.register}">
    <f:ajax execute="@form" render="@form" />
</h:commandButton>

UserController 是 ViewScoped

这就是我在日志中看到的内容:

[jbossas-DOMAIN.rhcloud.com SHA]\> tail_all
2014/05/26 09:08:35,527 INFO  [org.jboss.as.messaging] (MSC service thread 1-4)
JBAS011601: Bound messaging object to jndi name java:/ConnectionFactory
2014/05/26 09:08:35,599 INFO  [org.jboss.as.deployment.connector] (MSC service t
hread 1-2) JBAS010406: Registered connection factory java:/JmsXA
2014/05/26 09:08:35,620 INFO  [org.hornetq.ra.HornetQResourceAdapter] (MSC servi
ce thread 1-2) HornetQ resource adaptor started
2014/05/26 09:08:35,621 INFO  [org.jboss.as.connector.services.ResourceAdapterAc
tivatorService$ResourceAdapterActivator] (MSC service thread 1-2) IJ020002: Depl
oyed: file://RaActivatorhornetq-ra
2014/05/26 09:08:35,623 INFO  [org.jboss.as.deployment.connector] (MSC service t
hread 1-4) JBAS010401: Bound JCA ConnectionFactory [java:/JmsXA]
2014/05/26 09:08:35,785 INFO  [org.jboss.as.server.deployment] (MSC service …

XML:

Java的:

这是一个错误还是一个功能？

不用说,选择XML文件时,快捷方式(Ctrl+ Shift+ Alt+ W)可以正常工作.

使用的软件版本:

面向Web开发人员的Eclipse Java EE IDE.

版本:Luna M7版本(4.4.0M7)版本号:20140508-1440

我正在将一个巨大的 py 模块重构为包 - 为了不破坏现有代码，我将其内容移动到package/__init__.py模块（将代码添加到 __init__.py）并继续从那里拆分它。我注意到在某个时刻，在我的回溯中我得到：

Traceback (most recent call last):
      File "<string>", line 656, in DoItemMenu
      File "bash\balt.py", line 2109, in PopupMenu
        link.AppendToMenu(menu,parent,*args)
      File "bash\balt.py", line 2225, in AppendToMenu
        for link in self.links: link.AppendToMenu(subMenu,window,data)
    ...

其中的行File "<string>"对应于特定package/__init__.py模块。此外，PyCharm 的调试器显示“帧不可用”行，并且不会单步执行__init__.py. 为什么？与进口模式有关吗？

该代码由启动器类导入：

class UnicodeImporter(object):
    def find_module(self,fullname,path=None):
        if isinstance(fullname,unicode):
            fullname = fullname.replace(u'.',u'\\')
            exts = (u'.pyc',u'.pyo',u'.py')
        else:
            fullname = fullname.replace('.','\\')
            exts = ('.pyc','.pyo','.py')
        if os.path.exists(fullname) and os.path.isdir(fullname):
            return self
        for ext in …

假设我有一个线程和程序的主要部分.因为GIL,一个线程应该在正确的时间(而不是同时)工作？但是,如果其中一个线程是无限循环(或两者都是这样)呢？

这两个过程会并行运行吗？

def test():
    while True:
       print "hello"

def test2():
    while True:
       print "hi"

def start_thread():
    try: 
        thread.start_new_thread( test2,() )
    except:
        print "Error: Unable to start thread"
start_thread()
test()

我正在为 tensorflow RNN 准备输入张量。
目前我正在做以下事情

rnn_format = list()
for each in range(batch_size):
    rnn_format.append(tf.slice(input2Dpadded,[each,0],[max_steps,10]))
lstm_input = tf.stack(rnn_format)

是否可以使用一些 tensorflow 函数在没有循环的情况下立即执行此操作？

如果我有一(key, value)对配对,我可以快速初始化这样的字典:

>>> data = [ ('a', 1), ('b', 2) ]
>>> dict(data) 
{'a': 1, 'b': 2} 

我想用Counter字典做同样的事; 但怎么样？构造函数和update()方法都将有序对视为键,而不是键值对:

>>> from collections import Counter
>>> Counter(data)
Counter({('a', 1): 1, ('b', 2): 1})

我能管理的最好的就是使用一个临时字典,这个字典很丑陋而且不必要地迂回:

>>> Counter(dict(data))
Counter({'b': 2, 'a': 1})

有没有一种正确的方法Counter从一(key, count)对配对中直接初始化？我的用例涉及从文件中读取大量已保存的计数(使用唯一键).

我将我的整个数据集作为元组列表存储在内存中,其中每个元组对应一批固定大小的"N".即

(X [I],标记[I],长度[I])

• x [i]:numpy形状的数组[N,W,F]; 这里有N个例子,每个W时间步长; 所有时间步长都有固定数量的特征F.
• label [i]:class:shape [N,]批量中每个示例一个
• length [i]:数据中的length(次数步数):shape [N,]:这是批处理中每个示例的时间步长(W)

主要问题:批次间的差异很大.

我正在查看以下数据集API的示例和文档,但无法理解如何为我的案例创建DataSet对象.像Dataset.from_tensor_slices和Dataset.from_tensor这样的API似乎不起作用(抛出广播错误),因为它们要求张量具有相同的形状i,而且批次之间的W是相同的.有没有办法我可以做而不必填充我的批次(使用DataSet.padded_batch)？

我使用tensorflow对象检测API中的代码生成了pascal voc 2007 tfrecords文件。我使用tf.contrib.data.DatasetAPI从tfrecords中读取数据。我在没有tf.contrib.data.DatasetAPI的情况下尝试了mehtod ，并且代码可以正常运行，但是更改为tf.contrib.data.DatasetAPI后无法正常工作。

没有tf.contrib.data.Dataset以下代码：

import tensorflow as tf

if __name__ == '__main__':
    slim_example_decoder = tf.contrib.slim.tfexample_decoder

    features = {"image/height": tf.FixedLenFeature((), tf.int64, default_value=1),
                "image/width": tf.FixedLenFeature((), tf.int64, default_value=1),
                "image/filename": tf.FixedLenFeature((), tf.string, default_value=""),
                "image/source_id": tf.FixedLenFeature((), tf.string, default_value=""),
                "image/key/sha256": tf.FixedLenFeature((), tf.string, default_value=""),
                "image/encoded": tf.FixedLenFeature((), tf.string, default_value=""),
                "image/format": tf.FixedLenFeature((), tf.string, default_value="jpeg"),
                "image/object/bbox/xmin": tf.VarLenFeature(tf.float32),
                "image/object/bbox/xmax": tf.VarLenFeature(tf.float32),
                "image/object/bbox/ymin": tf.VarLenFeature(tf.float32),
                "image/object/bbox/ymax": tf.VarLenFeature(tf.float32),
                "image/object/class/text": tf.VarLenFeature(tf.string),
                "image/object/class/label": tf.VarLenFeature(tf.int64),
                "image/object/difficult": tf.VarLenFeature(tf.int64),
                "image/object/truncated": tf.VarLenFeature(tf.int64),
                "image/object/view": tf.VarLenFeature(tf.int64)}
    items_to_handlers = {
        'image': slim_example_decoder.Image(
            image_key='image/encoded', …

我有一个数据框，其中的排序值由ID标记，我想将ID的第一个元素的值与所有先前ID的最后一个元素的值之差。下面的代码做了我想要的：

import pandas as pd

a = 'a'; b = 'b'; c = 'c'
df = pd.DataFrame(data=[*zip([a, a, a, b, b, c, a], [1, 2, 3, 5, 6, 7, 8])],
                  columns=['id', 'value'])
print(df)
# # take the last value for a particular id
# last_value_for_id = df.loc[df.id.shift(-1) != df.id, :]
# print(last_value_for_id)
current_id = ''; prev_values = {};diffs = {}
for t in df.itertuples(index=False):
    prev_values[t.id] = t.value
    if current_id != t.id:
        current_id = t.id
    else: continue
    for k, v in …