我犯了一个“小”错误，并向我的本地存储库添加了一个“小”（> 100MB）文件。
两次提交后，我尝试推送到 github 中的远程存储库，该存储库的限制为 100MB。
我可以使用 删除当前提交中的文件git rm --cached，但它仍在之前的提交中。
如何从所有提交中删除该文件？我已经尝试过这个关于 git filter-branch 的答案，但不适合我的。
我正在尝试制作一个qmake .pro文件以在RaspberryPi中进行编译（不适用于交叉编译）。我可以根据平台使用条件定义：
linux-g++-64: {
message(We are in Linux 64 bits)
}
macx: {
message(we are in mac osX)
}
win32: ...
但是我找不到一种方法来检测我何时处于带有树莓派的PaspberryPi中。
我尝试过类似linux-arm，的方法arm-linux，linux-arm-gnueabi-g++但是没有运气。
有人知道进行此条件定义的正确方法，或者如何检测我们是否在RaspberryPi体系结构中进行编译？
有没有办法共享内存以在 C/C++ 和 python 之间共享 openCV 图像（C+++ 中的 MAT 和 python 中的 numpy）图像？不需要多平台，我在 linux 中做，我认为 mmap 或类似想法之间的共享。
我有两个正在运行的进程，一个是用 C 编写的，另一个是 python，我需要在它们之间共享一个图像。
我将通过套接字从 c 进程调用 python，但我需要通过内存发送和图像。
另一种选择可能是写入内存文件，不确定是否会更耗时。
我已经在linux 64机器上训练了一个keras顺序模型并保存到.h5文件中.
这台PC我可以加载模型并毫无问题地进行预测.
现在我在Raspberry Pi 3中实现了已经安装了keras,tensorflow,h5py和python3的预测.
当我加载模型
from keras.models import load_model
model = load_model('model-0.6358.h5')
, 我越来越:
usr/lib/python3.4/importlib/_bootstrap.py:321: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.
return f(*args, **kwds)
/usr/local/lib/python3.4/dist-packages/keras/models.py:291: UserWarning: Error in loading the saved optimizer state. As a result, your model is starting with a freshly initialized optimizer.
warnings.warn('Error in loading the saved optimizer '
但是......它看起来似乎是正确的.
我该如何避免该警告信息？
我使用 ReduceLROnPlateau 作为拟合回调来减少 LR，我使用 Patiente=10 所以当 LR 的减少被触发时，模型可能远离最佳权重。
有没有办法回到最小 acc_loss 并从那个点用新的 LR 重新开始训练？
有道理吗？
我可以手动使用 EarlyStopping 和 ModelCheckpoint('best.hdf5', save_best_only=True, monitor='val_loss', mode='min') 回调，但我不知道它是否有意义。