小编pat*_*ane的帖子

我已经阅读了几个关于如何在OSX上永久设置环境变量的答案.

首先,我试过这个,如何在Linux/Unix上永久设置$ PATH？但我有一条错误信息说no such file and directory,所以我想我可以尝试 ~/.bash_profile而不是~/.profile但它没有用.

其次,我找到了这个解决方案如何设置os x中应用程序使用的$ PATH,它建议进行更改

〜/ .MacOSX/environment.plist

但我又no such file and directory错了.

我需要一种方法来设置这些变量,这样每次打开一个新的终端会话时都不需要反复设置它们.

我有一个关于将base64编码的字符串转换为二进制的问题.我在以下链接中收集Fingerprint2D,

url = "https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/cid/108770/property/Fingerprint2D/xml"

Fingerprint2D=AAADccB6OAAAAAAAAAAAAAAAAAAAAAAAAAA8WIEAAAAAAACxAAAAHgAACAAADAzBmAQwzoMABgCI AiTSSACCCAAhIAAAiAEMTMgMJibMsZuGeijn4BnI+YeQ0OMOKAACAgAKAABQAAQEABQAAAAAAAAA AA==

Pubchem中的descriptiong说这是115字节的字符串,转换成二进制时它应该是920位.我尝试将其转换为具有以下内容的二进制文件,

    response = requests.get(url)
    tree = ET.fromstring(response.text)

    for el in tree[0]:
        if "Fingerprint2D" in el.tag:
            fpp = bin(int(el.text, 16))
            print(len(fpp))

如果我使用上面的代码,我收到以下错误,"值错误:int16的无效文字与base16:

如果我使用下面的代码,fpp(二进制)的长度等于1278,这不是我的预期.

    response = requests.get(url)
    tree = ET.fromstring(response.text)

    for el in tree[0]:
        if "Fingerprint2D" in el.tag:
            fpp = bin(int(hexlify(el.text), 16))
            print(len(fpp))

非常感谢!!

当我想在NetBeans中创建一个新项目时,我一直收到此错误消息.此问题有两个旧答案,项目文件夹已存在且不为空 - netbeans和Netbeans错误中的错误:项目文件夹已存在且不为空.它们不仅适用于NetBeans 7,而且它们也不起作用.

我试过了:

• 删除项目目录,
• 删除C:\ Users ..\AppData\Roaming\NetBeans下的userdir,
• 删除C:\ Users ..\AppData\Local\NetBeans下的缓存,
• 卸载并安装8.0.2
• 将JDK更新为8.40

但他们都没有工作!

如果你建议一个解决方案,我真的很感激.谢谢!

已解决:我从C目录中卸载了NetBeans并将其安装到D目录中.然后在创建一个新项目时,我在D下选择一个目录.它现在正常工作!

我对 Keras 很陌生，我正在尝试定义自己的指标。它计算一致性指数，这是回归问题的衡量标准。

def cindex_score(y_true, y_pred):
    sum = 0
    pair = 0    
    for i in range(1, len(y_true)):
        for j in range(0, i):
            if i is not j:
                if(y_true[i] > y_true[j]):
                  pair +=1
                  sum +=  1* (y_pred[i] > y_pred[j]) + 0.5 * (y_pred[i] == y_pred[j])
    if pair is not 0:
        return sum/pair
    else:
        return 0


def baseline_model(hidden_neurons, inputdim):
    model = Sequential()
    model.add(Dense(hidden_neurons, input_dim=inputdim, init='normal', activation='relu'))
    model.add(Dense(hidden_neurons, init='normal', activation='relu'))
    model.add(Dense(1, init='normal')) #output layer

    model.compile(loss='mean_squared_error', optimizer='adam', metrics=[cindex_score])
    return model

def run_model(P_train, Y_train, P_test, …