小编Mik*_*aev的帖子

我正在尝试学习一些机器学习,并想知道什么是数据的二次和三次转换以及它是如何完成的？论坛上的一个人正在谈论它,我想知道变量的转换是什么以及它是如何完成的.谢谢

我在卷积层和lstm层之间的连接有问题。数据的形状为（75,5），其中每个时间步长有75个时间步长x 5个数据点。我想做的是在（75x5）上进行卷积，获取新的卷积（75x5）数据并将该数据馈送到lstm层。但是，由于卷积层的输出形状具有不需要的滤波器数量，因此不起作用。因此，卷积层输出的形状为（1,75,5），而lstm层所需的输入为（75,5）。我如何只使用第一个过滤器。

model = Sequential() 
model.add(Convolution2D(1, 5,5,border_mode='same',input_shape=(1,75, 5)))
model.add(Activation('relu'))
model.add(LSTM(75, return_sequences=False, input_shape=(75, 5)))
model.add(Dropout(0.5))
model.add(Dense(1))
model.compile(loss='mse', optimizer='rmsprop')

这是出现的错误：

File "/usr/local/lib/python3.4/dist-packages/keras/layers/recurrent.py", line 378, in __init__
super(LSTM, self).__init__(**kwargs)
File "/usr/local/lib/python3.4/dist-packages/keras/layers/recurrent.py", line 97, in __init__
super(Recurrent, self).__init__(**kwargs)
File "/usr/local/lib/python3.4/dist-packages/keras/layers/core.py", line 43, in __init__
self.set_input_shape((None,) + tuple(kwargs['input_shape']))
File "/usr/local/lib/python3.4/dist-packages/keras/layers/core.py", line 138, in set_input_shape
', was provided with input shape ' + str(input_shape))
Exception: Invalid input shape - Layer expects input ndim=3, was provided with input shape (None, 1, 75, 5)

我div内心有很多这样的胡言乱语：

<div>sometext

   <p>

   </p>sometext

   <div>

   </div>sometext

</div>

我需要选择父元素中的文本，div而不选择子元素中的所有文本。我无法使用它.not()来删除里面的 div。我也无法获取子元素，因为它消除了内部文本并仅返回内部元素。所以基本上我只需要文本而不需要任何子元素。

我怎么做？

所以，我试图截取屏幕截图并将其作为 numpy 数组做一些事情。但是，我能找到的只是先将其转换为 PIL Image，然后再转换为 numpy 数组。所以，我想知道是否有一种方法可以在不使用 PIL 库的情况下将其直接转换为 numpy 数组

from gi.repository import Gdk

window = Gdk.get_default_root_window()
x, y, width, height = window.get_geometry()
pb = Gdk.pixbuf_get_from_window(window, x, y, width, height)

谢谢