小编Lea*_*ess的帖子

我正在尝试使用matplotlib.imshow来绘制一个布尔二维数组，我希望能够选择两种颜色（一种用于true，一种用于false）。似乎这个参数应该作为颜色图传递给，imshow但在我的情况下它似乎有点矫枉过正，因为我不需要连续，更重要的是，我不知道如何定义自定义颜色图（matplotlib doc没有帮助我）。

我正面临一个受约束、等式和不等式约束的数值优化问题。看起来这个任务的一切都在 tensorflow 中，阅读文档，例如https://www.tensorflow.org/api_docs/python/tf/contrib/constrained_optimization。

虽然我错过了一个最小的工作示例。我已经进行了广泛的谷歌搜索，但没有结果。谁能与我分享一些有用的资源？最好以 Eager 模式运行。

编辑：

我现在找到了https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/constrained_optimization

我仍然欢迎任何其他资源。

我刚刚在Python中定义了变量.即:

a = b = 0
a = 1

给我a=1和/ b=0或a和b是两个独立的变量.

但:

a = b = []
a.append(0)

给我a = [0]和b = [0],或者a和b是对同一个对象的两个引用.这对我来说很困惑,这两种情况有何不同？是因为int是原始类型还是因为列表只是指针？

我试图以图形方式分析2d数据.matplotlib.imshow在这方面是非常有用的,但我觉得如果我可以从我的矩阵中排除一些细胞,我可以更多地使用它,超出一系列感兴趣的值.我的问题是这些值在我感兴趣的范围内"压平"了色彩图.排除这些值后,我可以获得更多的颜色分辨率.

我知道如何在我的矩阵上应用蒙版来排除这些值,但它在应用蒙版后返回1d对象:

mask = (myMatrix > lowerBound) & (myMatrix < upperBound)
myMatrix = myMatrix[mask] #returns a 1d array :(

有没有办法将掩码传递给imshow如何重建二维数组？

我很想知道randomC++ 11库中是否有默认的随机布尔生成器.我一直在使用一个int生成器返回0或1然后转换为bool但我正在尝试优化我的代码并认为我可以通过从一开始使用bool生成器来保存,如果它存在的话.

我正在寻找一种优化或可爱的方法来检查数组中的所有元素是否具有相同的符号(严格地说).

我一直在考虑做:

N.all(my_array*my_array[0]>0)

因为它会检查所有元素是否与第一个元素具有相同的符号,所以相同的符号但它看起来不可爱或优雅.

我一直在运行一个用于科学目的的c ++程序,现在我正在考虑优化它.

瓶颈似乎是我需要堆叠整数对的函数.从一开始就不可能知道它们的数量,而且我一直在使用std::vector一个自定义结构,其中包含两个ints.是否有更高效的数据容器可以在最后重复添加元素？我应该使用两个ints而不是一对或自定义结构吗？

编辑:在对我的程序进行计时和分析之后,我可以说,对于我的使用,vector它比deque(仅仅3%)快一点.我的外行结论是CPU充分利用了数据的连续性.优化对我来说比以往任何时候都更具魔力!对于那些它可能会有所帮助:我实际上通过从STL C++ 11随机数发生器切换到BOOST来显着改善了我的运行时间.

在为机器学习分类任务预处理标签时,我需要对带有字符串值的标签进行热编码.它OneHotEncoder来自sklearn.preprocessing或to_categorical来自kera.np_utils要求int输入.这意味着我需要在一个热编码器之前加上一个LabelEncoder.我用自定义类手工完成了它:

class LabelOneHotEncoder():
    def __init__(self):
        self.ohe = OneHotEncoder()
        self.le = LabelEncoder()
    def fit_transform(self, x):
        features = self.le.fit_transform( x)
        return self.ohe.fit_transform( features.reshape(-1,1))
    def transform( self, x):
        return self.ohe.transform( self.la.transform( x.reshape(-1,1)))
    def inverse_tranform( self, x):
        return self.le.inverse_transform( self.ohe.inverse_tranform( x))
    def inverse_labels( self, x):
        return self.le.inverse_transform( x)

我相信必须有一种方法可以在sklearn API中使用a sklearn.pipeline,但在使用时:

LabelOneHotEncoder = Pipeline( [ ("le",LabelEncoder), ("ohe", OneHotEncoder)])

我得到的错误ValueError: bad input shape ()从OneHotEncoder.我的猜测是LabelEncoder需要通过添加一个微不足道的第二轴来重新塑造输出.我不知道如何添加此功能.

我正在使用有角度的树材料来显示 JSON 数据，我对行之间的白色间距数量不满意。我尝试mat-tree-node.line-height在 css 中进行零更改。如何减少所有这些垂直空白？

假设我有一Flask点点后端流数据,请执行以下操作:

from flask import Flask, Response, jsonify
from flask_cors import CORS
import json

from itertools import cycle
from time import sleep


app = Flask(__name__)
CORS( app)

@app.route('/')
def hello_world():
    def gen():
        for i in cycle(range(1,10)):
            yield json.dumps( {"new_val":i})
            sleep(1)
    return Response( gen())


app.run( port=5000, debug=True)

如何Observable在Angular 5-6-7应用程序中收集这些数据？我尝试过玩httpClientModule并做了一些研究,但我没有找到任何有效的例子.