小编cha*_*255的帖子

我试图从eclipse启动android模拟器.我选择了Nexus7作为我的设备.一切似乎都很好.然后手机就像是一个新装置一样完成了这些步骤,并要求我用手掌盖住屏幕以使屏幕变暗.我怎么用手掌模拟覆盖屏幕,因为我无法通过这一步？

我刚刚用android包下载了eclipse,所以我有最新版本的一切.

我一直使用Keras从我的神经网络中获得一些NaN输出.我每10,000个结果只得到一个NaN.最初我有一个relu激活层进入最终的softmax层.这产生了更多的NaN结果.我将构成网络中最后两个密集层的激活函数从relu更改为sigmoid.这使问题更好,但我仍然得到NaN.关于如何完全消除楠的任何建议？

model = Sequential()
model.add(InputLayer((1, IMG_H, IMG_W)))

model.add(Convolution2D(32, 3, 3, activation = 'relu'))
model.add(Convolution2D(32, 3, 3, activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))

model.add(Dropout(0.3))

model.add(Convolution2D(64, 3, 3, activation = 'relu'))
model.add(Convolution2D(64, 3, 3, activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))

model.add(Dropout(0.3))

model.add(Flatten())
model.add(Dense(256, activation = 'sigmoid'))
model.add(Dropout(0.3))
model.add(Dense(64, activation = 'sigmoid'))
model.add(Dropout(0.3))
model.add(Dense(categories, activation = 'softmax'))

由于某种原因,netbeans中的代码完成无法确定模板化函数的返回类型.以下面的例子为例......

struct Test
{
   int val;
};

int main()
{
     vector<Test> v;
     Test t = {10};
     v.push_back(t);
     cout << v[0].val;  //Netbeans gives the warning "Unable to resolve identifier val"
     return 0;
}

代码编译并运行正常,但令人讨厌的是,当我使用向量时,我在代码中得到了这个错误.代码完成似乎也不起作用.当我输入v [0]时.没有下拉让我选择val.

我使用netbeans 7.4和64bit MinGW.

由于某些原因,当我使用带有keras的ImageDataGenerator时,它会在我开始拟合时冻结.我得到以下输出.它只是挂在线上Epoch 1/5

Using Theano backend.
Using gpu device 0: GeForce GTX TITAN (CNMeM is disabled, cuDNN not available)
Loading Data
Compiling Model
Fitting Data
Epoch 1/5

它显示我的一个CPU核心运行在100%,所以即使它应该使用我的GPU来适应数据,也会在cpu上发生一些事情.如果我注释掉fit_generator并使用fit函数,则代码如下工作.

import os
os.environ["THEANO_FLAGS"] = "mode=FAST_RUN,device=gpu,floatX=float32"
import minst_loader
import matplotlib.pyplot as plt
import numpy as np
from scipy.misc import imrotate
import random
from keras.datasets import cifar10

np.set_printoptions(suppress = True)

print('Loading Data')
x_train, y_train = (minst_loader.load_images('/home/chase/Desktop/MINST/train-images.idx3-ubyte'), \
                       minst_loader.load_labels('/home/chase/Desktop/MINST/train-labels.idx1-ubyte'))

x_test, y_test = (minst_loader.load_images('/home/chase/Desktop/MINST/t10k-images.idx3-ubyte'), \
                       minst_loader.load_labels('/home/chase/Desktop/MINST/t10k-labels.idx1-ubyte'))

for i in range(len(y_train)):
    v = np.zeros(10)
    v[y_train[i]] = 1 …

我只是想知道在优化模型时保存模型状态的最佳方法是什么.我想这样做,所以我可以运行它一段时间,保存它,并在一段时间后再回到它.我知道有一个保存权重的函数和另一个将模型保存为JSON的函数.在学习过程中,我需要保存模型的权重和参数.这包括动量和学习率等参数.有没有办法在同一个文件中保存模型和权重.我读到使用泡菜不是一种好习惯.对于JSON模型还是在重量中,还是将重要的事件包括在内？

我有一个python 3.6程序,我正在使用asyncio包事件循环.我的一个数据源来自api,它不是围绕asyncio构建的.我的连接对象包含一个名为的成员_connection,它只是一个python套接字.现在我可以在select语句中使用它来判断数据何时准备就绪.

async def run(self):
    while True:
        if select.select([self._q._connection], [], [])[0]:
            msg = self._q.receive()
            print(msg)

我真正想要的是......

async def run(self):
    while True:
        if await select.select([self._q._connection], [], [])[0]:
            msg = self._q.receive()
            print(msg)

我知道sock_recvasyncio事件循环中有一个函数但是我需要api来进行实际的读取和解码.我尝试了这个,但它只是落在等待,我猜有意义,因为我说0字节.

async def run(self):
    while True:
        print('A')
        await asyncio.get_event_loop().sock_recv(self._q._connection, 0)
        print('B')
        msg = self._q.receive()
        print(msg)

我现在能想到的唯一解决方案是在select中添加一个小超时,然后asyncio.sleep在没有数据的情况下调用,但这似乎是一种无效的方法.我希望有类似的东西asyncio.select.有人想推荐另一种方法吗？

编辑:现在我想出了这个.我不喜欢它,因为它增加了额外的四分之一秒延迟(可能对我的应用程序来说无关紧要,但它仍然让我感到烦恼.)

async def run(self):
    while True:
        if select.select([self._q._connection], [], [], 0)[0]:
           print(self._q.receive())
        else:
            await asyncio.sleep(0.25)

为了学习汇编,我正在查看GCC使用-S命令为一些简单的c程序生成的汇编.我有一个add函数,它接受一些int和一些char并将它们加在一起.我只是想知道为什么char参数被压缩到8个字节(pushq)？为什么不只推一个字节？

    .file   "test.c"
    .text
    .globl  add
    .type   add, @function
add:
.LFB0:
    .cfi_startproc
    pushq   %rbp
    .cfi_def_cfa_offset 16
    .cfi_offset 6, -16
    movq    %rsp, %rbp
    .cfi_def_cfa_register 6
    movl    %edi, -4(%rbp)
    movl    %esi, -8(%rbp)
    movl    %edx, -12(%rbp)
    movl    %ecx, -16(%rbp)
    movl    %r8d, -20(%rbp)
    movl    %r9d, -24(%rbp)
    movl    16(%rbp), %ecx
    movl    24(%rbp), %edx
    movl    32(%rbp), %eax
    movb    %cl, -28(%rbp)
    movb    %dl, -32(%rbp)
    movb    %al, -36(%rbp)
    movl    -4(%rbp), %edx
    movl    -8(%rbp), %eax
    addl    %eax, %edx
    movl    -12(%rbp), %eax
    addl    %eax, %edx
    movl    -16(%rbp), %eax
    addl    %eax, …

我正在创建一个结构来在图像中存储单个RGB像素.

struct Pixel
{
    // color values range from 0.0 to 1.0
    float r, g, b;
}__attribute__((aligned(16));

我想使用128位SSE指令来执行添加,乘法等操作.这样我就可以同时对所有3个颜色通道执行操作.因此,我的SSE寄存器中的第一个打包浮点数将是红色,然后是绿色,然后是蓝色,但我不太确定将进入我的第四个寄存器.我真的不在乎额外的32位填充中的哪些位.当我将一个像素加载到SSE寄存器中时,我会想象它包含零或垃圾值.这有问题吗？我应该添加第四个alpha通道,即使我真的不需要吗？我认为这是一个问题的唯一方法是,如果我除以一个像素,并且在第四个点中有一个零值,或者我正在使用一个负数的根等等.

我对OpenMP中的新对齐选项有疑问.这是在使用它的背景下#pragma omp simd aligned(a:n)

假设我有一个整数数组,我使用posix_memalign分配,所以我知道数组开始时让我们说32字节边界.现在让我说我想对该数组中的每个值进行平方.我能说......么...

int* array = { some array of length len aligned to 32 bytes };
#pragma omp simd aligned(array:32)
for(int i = 0; i < len; i++)
    array[i] *= array[i];

这是一个安全的假设吗？或者对齐也暗示我在数组中使用的大小数据类型(int)是32个字节的倍数？有点像gcc中的属性((aligned(32))将使宽度类型至少为32个字节.

我一直在 cuda 中寻找模板化数学函数，但似乎找不到。在普通的 C++ 中，如果我调用std::sqrt它是模板化的，并且将根据参数是浮点数还是双精度数来执行不同的版本。

我想要这样的 CUDA 设备代码。我的内核将真实类型作为模板参数传递，现在我必须在使用sqrtffloat 和sqrtdouble之间进行选择。我认为推力可能具有此功能，但它仅适用于复数。