假设我在命令行中提供了一个模块,并希望使用"imp"模块导入它:
$ foo.py mod.a.b.c
这样做的正确方法是什么？
拆分"mod.abc"并添加每条路径？"imp"的行为似乎与"import"并行.
我有一个带有多索引的大型HDFStore.如何获得其中一个索引级别？我看到我可以这样访问colindex:
store._handle.root.data.table.colindexes
但尚未获得其中一个列索引的列表.
调试很慢。不清楚是否接受多个参数。Docstring错误/非标准。
例如我们可以做：
--initialization-actions abc
当它失败时，如何在几秒钟内而不是几分钟内进行调试……即作为脚本未完成创建步骤？
以下命令运行，但导致文件解压失败：
import io
import zipfile
b = io.BytesIO()
zf = zipfile.ZipFile(b, mode='w')
zf.writestr('a/b.txt', 'look here')
zf.writestr('a/c.txt', 'look there')
open('here.zip', 'wb').write(b.getbuffer())
然后测试：
$ unzip here.zip
Archive: here.zip
End-of-central-directory signature not found. Either this file is not
a zipfile, or it constitutes one disk of a multi-part archive. In the
latter case the central directory and zipfile comment will be found on
the last disk(s) of this archive.
unzip: cannot find zipfile directory in one of here.zip or
here.zip.zip, and cannot find …好像有问题。很多东西都行不通。另一方面，tensorflow 2.0 似乎解决了很多 tensorboard 交互问题，因此值得使用。如何关闭所有急切的东西。
是否有更好的方法来构建 RealNVP 层以用作 tensorflow 2.0 中的标准可训练层？我最终将它包装在一个模型中。对于图层，变量没有出现在 trainable_variables 中。
像这样运行，但我怀疑有更好的方法：
from pylab import *
import numpy as np
import pandas as pd
import tensorflow as tf
import tensorflow_probability as tfp
tfb = tfp.bijectors
tfd = tfp.distributions
# class NVPLayer(tf.keras.layers.Layer):
class NVPLayer(tf.keras.models.Model):
def __init__(self, *, output_dim, num_masked, **kwargs):
super().__init__(**kwargs)
self.output_dim = output_dim
self.num_masked = num_masked
self.shift_and_log_scale_fn = tfb.real_nvp_default_template(
hidden_layers=[2],
activation=None, # linear
)
self.loss = None
def call(self, *inputs):
nvp = tfd.TransformedDistribution(
distribution=tfd.MultivariateNormalDiag(loc=[0., 0., 0.]),
bijector=tfb.RealNVP(
num_masked=self.num_masked,
shift_and_log_scale_fn=self.shift_and_log_scale_fn)
)
self.loss = tf.reduce_mean(nvp.log_prob(*inputs)) …