小编Aru*_*run的帖子

我正在使用 Python 3.7 和 numpy 1.18。我有一个形状为 (28, 28, 3) 的多维 numpy 数组，在这个 np 数组中，我想删除 20% 的最小权重。删除 20% 的最小权重意味着我用 0 掩盖这些数字。

(28, 28, 3) 的 20% = 470.4 = 470（四舍五入后）。

那么，对于这个 np 数组，对于 470 个最小的数字，我如何将它们屏蔽为零？

谢谢！

我是 R 的初学者，正在处理如下一些数据-

月份 <- 1 2 3 4 5 6 7 8 9 10 11 12

销售额 <- 50 60 80 50 40 30 35 55 70 60 50 40

我必须使用plot()函数来绘制这些数据，我可以通过对其进行某些编辑来完成，如下所示-

plot(Month, Coffee, type='l', ylim=c(0, 100))
abline(h=max(Coffee), col='red')

新的要求是将 X 轴上的“月份”名称绘制为实际月份名称，即一月、二月、三月……、十二月。

我尝试使用-

n_month <- format(ISOdate(2017,1:12,1),"%B")
plot(n_month, Coffee, type='l', ylim=c(0, 100))
plot(n_month, Coffee, type='l', ylim=c(0, 100), xlim=(1, 12))

我还尝试了以下方法 -

# 'xaxt' to suppress labels on x-axis
plot(Month, Coffee, ylim=c(0,100), xlab="Month", ylab="Coffee", xaxt="n", type='l')

# 'axis' to add in my …

我正在阅读有关使用 TensorFlow 2.0 结合“GradientTape”API 创建神经网络的内容，并发现了以下代码：

model = tf.keras.Sequential((
tf.keras.layers.Reshape(target_shape=(28 * 28,), input_shape=(28, 28)),
tf.keras.layers.Dense(100, activation='relu'),
tf.keras.layers.Dense(100, activation='relu'),
tf.keras.layers.Dense(10)))

model.build()
optimizer = tf.keras.optimizers.Adam()

在这段代码中，“model.build()”的用途/功能是什么？是编译设计好的神经网络吗？

其余的代码是：

compute_loss = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)

compute_accuracy = tf.keras.metrics.SparseCategoricalAccuracy()


def train_one_step(model, optimizer, x, y):
  with tf.GradientTape() as tape:
    logits = model(x)
    loss = compute_loss(y, logits)

  grads = tape.gradient(loss, model.trainable_variables)
  optimizer.apply_gradients(zip(grads, model.trainable_variables))

  compute_accuracy(y, logits)
  return loss


@tf.function
def train(model, optimizer):
  train_ds = mnist_dataset()
  step = 0
  loss = 0.0
  accuracy = 0.0
  for x, y in train_ds:
    step += 1 …

我正在使用 pgAdmin 4 并尝试恢复 .sql 文件，该文件是使用 pgAdmin 4 创建的数据库的普通备份。在尝试恢复到相关数据库时，出现以下错误：

出了什么问题？

谢谢！

我正在尝试用C语言编写一个程序,它有一个函数split_array.它需要一个指向动态分配的数组的指针,然后将其分成两半,即左右两部分.

该程序示例的代码是:

#include<stdio.h>
#include<stdlib.h>

void split_array(int *A, int x)
{
    int *left=NULL, *right=NULL, i, mid=0;

    mid=x/2;
    left=(int*)malloc(sizeof(int)*mid);
        if(left==NULL)
        {
            printf("\nError allocating memory. Aborting!\n\n");
            exit(1);
        }

    if(x%2==0)
    {
            right=(int*)malloc(sizeof(int)*mid);
            if(right==NULL)
            {
                    printf("\nError allocating memory. Aborting!\n\n");
                    exit(1);
            }
    }
    else
    {
        right=(int*)malloc(sizeof(int)*(mid+1));
            if(right==NULL)
            {
                    printf("\nError allocating memory. Aborting!\n\n");
                    exit(1);
            }
    }

        for(i=0;i<mid;i++)
           left[i]=A[i];

        for(i=mid;i<x;i++)
           right[i]=A[i];

        printf("\nleft: ");
        for(i=0;i<mid;i++)
            printf("%d ", left[i]);
        printf("\n");
        printf("\nright: ");
        for(i=mid;i<x;i++)
            printf("%d ", right[i]);
        printf("\n");

    free(left);
    free(right);

    left=NULL;
    right=NULL;
}

int main()
{
    int *arr=NULL, i, …