小编Nag*_*S N的帖子

我正在尝试为此处.exe的代码制作一个可执行文件（Windows 文件）。要运行的主要文件是src/GUI.py. 我发现 pyinstaller 是创建 exe 文件的更好选择。

我尝试了一个文件夹和单个可执行文件选项。我尝试从根目录和目录中创建 exe src。

pyinstaller src/GUI.py
pyinstaller src/GUI.py -F
cd src
pyinstaller GUI.py
pyinstaller GUI.py -F

GUI.exe使用上述所有方法创建。但是每当我尝试运行该GUI.exe文件时，都会出现错误no module named pkg_resources.py2_warn pyinstaller。我尝试GUI.exe在dist创建它的目录、根目录和src目录中运行。在任何地方，我都会遇到同样的错误。我怎样才能解决这个问题？

PS：理想情况下，我想要一个 .exe可以分发的文件，他们可以独立运行它，而无需安装依赖项或重新创建文件夹结构。但是我知道 pyinstaller 只打包代码文件，我必须单独共享图像，并且在运行 exe 文件时，必须重新创建相同的结构。我也没关系。我什至可以共享一个文件夹 exe。我只想共享一个文件或文件夹，用户无需安装任何依赖项即可运行。有可能吗？

PPS：我也愿意使用 pyinstaller 以外的工具。

当我在PyCharm中创建一个新项目时,它会创建一个新的虚拟环境.我已经读过,当我执行Python脚本时,它们是使用此环境中的解释器而不是系统环境来执行的.所以,如果我需要安装一些软件包,我只能在这个环境中安装它们,而不是在系统环境中安装它们.这很酷.

我也读过有关Anaconda Environment的文章.当我创建一个新的Anaconda环境时,它会创建一个除系统环境之外的新环境.对于我的项目,我可以使用此环境并仅在此处安装所需的包,而不是在主系统环境中.

现在,我的问题是PyCharm创建的虚拟环境与Anaconda创建的环境之间有什么区别？PyCharm创建的虚拟环境大约为15-20MB,而Anaconda的虚拟环境为90MB.所以,必须有所不同.另外,我已经读过我可以配置我的PyCharm来使用Anaconda Environment解释器.

那么,PyCharm和Anaconda创建的环境之间有什么区别？

我有一个父数据类和一个子数据类继承第一个类。我__eq__()在父数据类中重新定义了方法。但是当我比较对象子数据类时，它不使用__eq__()父数据类中定义的方法。为什么会发生这种情况？我怎样才能解决这个问题？

微量元素：

from dataclasses import dataclass


@dataclass
class A:
    name: str
    field1: str = None

    def __eq__(self, other):
        print('A class eq')
        return self.name == other.name


@dataclass
class B(A):
    field2: str = None


b1 = B('b', 'b1')
b2 = B('b', 'b2')
print(b1 == b2)

我有两个 PyTorch 张量

mask = torch.ones(1024, 64, dtype=torch.float32)
indices = torch.randint(0, 64, (1024, ))

对于i中的每一行，我想将 的元素mask指定的索引后面的所有元素设置为零。例如，如果 的第一个元素是，那么我想设置。不使用for循环是否可以实现这一点？iindicesindices50mask[0, 50:]=0

for循环的解决方案：

for i in range(mask.shape[0]):
    mask[i, indices[i]:] = 0

PyCharm 最近开始向我展示下载阿斯图里亚斯语拼写检查器的建议。这是什么阿斯图里亚斯语？我通过简单的谷歌搜索找不到任何有用的东西。

PS：我使用 PyCharm 用 Python 编写深度学习代码。

我正在用 训练模型tensorflow 2.0。我的训练集中的图像具有不同的分辨率。我构建的模型可以处理可变分辨率（转换层，然后是全局平均）。我的训练集非常小，我想在一个批次中使用完整的训练集。

由于我的图像具有不同的分辨率，因此我无法使用model.fit(). 因此，我计划将每个样本单独通过网络，累积错误/梯度，然后应用一个优化器步骤。我能够计算损失值，但我不知道如何累积损失/梯度。如何累积损失/梯度，然后应用单个优化器步骤？

代码：

for i in range(num_epochs):
    print(f'Epoch: {i + 1}')
    total_loss = 0
    for j in tqdm(range(num_samples)):
        sample = samples[j]
        with tf.GradientTape as tape:
            prediction = self.model(sample)
            loss_value = self.loss_function(y_true=labels[j], y_pred=prediction)
        gradients = tape.gradient(loss_value, self.model.trainable_variables)
        self.optimizer.apply_gradients(zip(gradients, self.model.trainable_variables))
        total_loss += loss_value

    epoch_loss = total_loss / num_samples
    print(f'Epoch loss: {epoch_loss}')

我正在尝试建立我的个人网页。我想在我的网页中使用堆栈交换图标链接到我的堆栈交换配置文件。但是 font-awesome 中的图标是灰度的（不是彩色的）。我使用 CSS 为 LinkedIn、ORCID 等其他图标着色。

.color-linkedin {
    color: #0e76a8;
}
.color-orcid {
    color: #a6ce39;
}

但是，StackExchange 有深浅不一的颜色。还有其他东西为 SE 提供彩色图标吗？或者我可以通过 CSS 给它上色吗？

PS：也欢迎任何其他建议。我的仓库

我想以顺序方式训练模型。那就是我想最初用一个简单的架构训练模型，一旦训练好，我想添加几个层并继续训练。可以在 Keras 中做到这一点吗？如果是这样，如何？

我试图修改模型架构。但是在我编译之前，这些更改都无效。一旦我编译，所有的权重都会重新初始化，我会丢失所有经过训练的信息。

我在 web 和 SO 中发现的所有问题要么是关于加载预训练模型并继续训练，要么是修改预训练模型的架构，然后仅对其进行测试。我没有找到与我的问题相关的任何内容。任何指针也受到高度赞赏。

PS：我在 tensorflow 2.0 包中使用 Keras。

我正在 PyTorch 中实现基于 U-Net 的架构。在火车时间，我有大小不一的补丁256x256。但是在测试时，我有全高清图像 ( 1920x1080)。这会在跳过连接期间导致问题。

1920x10803 次下采样给出240x135. 如果我再下采样一次，分辨率就会变成120x68上采样时给出的240x136. 现在，我无法连接这两个特征图。我该如何解决这个问题？

PS：我认为这是一个相当普遍的问题，但我没有得到任何解决方案，甚至在网络上的任何地方都没有提到这个问题。我错过了什么吗？

我有一个 2D numpy.ndarray。给定位置列表，我想找到同一行中给定元素右侧的第一个非零元素的位置。是否可以将其矢量化？我有一个巨大的数组，循环花费了太多时间。

例如：

matrix = numpy.array([
    [1, 0, 0, 1, 1], 
    [1, 1, 0, 0, 1], 
    [1, 0, 0, 0, 1], 
    [1, 1, 1, 1, 1], 
    [1, 0, 0, 0, 1]
])
query = numpy.array([[0,2], [2,1], [1,3], [0,1]])

预期结果：

>> [[0,3], [2,4], [1,4], [0,3]]

目前我正在使用 for 循环执行此操作，如下所示

for query_point in query:
    y, x = query_point
    result_point = numpy.min(numpy.argwhere(self.matrix[y, x + 1:] == 1)) + x + 1
    print(f'{y}, {result_point}')

PS：我也想找到左边的第一个非零元素。我想，找到正确点的解决方案可以很容易地找到左点。