小编pat*_*_ai的帖子

假设您需要创建一个仅使用预定义的tensorflow构建块无法实现的激活功能,您可以做什么？

所以在Tensorflow中可以创建自己的激活功能.但它很复杂,你必须用C++编写它并重新编译整个tensorflow [1] [2].

有更简单的方法吗？

我想用Pandas的to_sql函数创建一个MySQL表,它有一个主键(在mysql表中有一个主键通常很好),如下所示:

group_export.to_sql(con = db, name = config.table_group_export, if_exists = 'replace', flavor = 'mysql', index = False)

但这会创建一个没有任何主键的表(甚至没有任何索引).

文档提到参数'index_label'与'index'参数结合使用可用于创建索引但不提及主键的任何选项.

文档

Ipython Notebook似乎没有实时打印结果,但似乎以某种方式缓冲,然后批量输出打印件.如何处理打印命令后,如何让ipython打印我的结果？

示例代码:

import time


def printer():
    for i in range(100):
        time.sleep(5)
        print i

假设上面的代码在导入的文件中.我怎么能说,当我打电话给打印机功能时,它每隔5秒打印一个数字而不是最后的所有数字？

请注意,我无法编辑该功能,printer()因为我是从某个外部模块获取的.我希望以某种方式更改ipython笔记本的配置,以便它不使用缓冲区.因此,我也不希望使用sys.stdout.flush(),我想根据问题实时做,我不希望任何缓冲区开始.

我也尝试使用以下命令加载ipython notebook:

ipython notebook --cache-size=0

但这似乎也不起作用.

我读过Distributed Tensorflow Doc,它提到在异步训练中,

图的每个副本都有一个独立的训练循环,无需协调即可执行.

据我所知,如果我们将参数服务器与数据并行架构结合使用,则意味着每个工作人员都会计算渐变并更新自己的权重,而无需关心分布式训练神经网络的其他工作人员更新.由于所有权重都在参数服务器(ps)上共享,我认为ps仍然必须以某种方式协调(或聚合)来自所有工作者的权重更新.我想知道聚合在异步训练中是如何工作的.或者更一般地说,异步培训在分布式Tensorflow中如何工作？

几天来,我正在尝试使用LSTM构建一个简单的正弦波序列生成,到目前为止还没有任何成功的一瞥.

我从时间序列预测示例开始

我想要做的就是:

• 使用与LBFGS不同的优化器(例如RMSprob)
• 尝试不同的信号(更多的正弦波成分)

这是我的代码的链接."experiment.py"是主文件

我所做的是:

• 我生成人工时间序列数据(正弦波)
• 我将这些时间序列数据切割成小序列
• 我的模型的输入是时间序列0 ... T,输出是时间序列1 ... T + 1

会发生什么:

• 培训和验证损失平稳下降
• 测试损失非常低
• 但是,当我尝试从种子(测试数据中的随机序列)开始生成任意长度的序列时,一切都会出错.输出总是平坦的

我根本看不出问题所在.我现在正在玩这个星期一周,没有任何进展.我会非常感谢任何帮助.

谢谢

PyTorch是否有可能在训练过程中动态改变优化器的学习率(我不想事先定义学习率计划)？

所以,假设我有一个优化器:

optim = torch.optim.SGD(model.parameters(), lr=0.01)

现在由于我在训练期间进行的一些测试,我意识到我的学习率太高,所以我想改变它来说0.001.似乎没有一种方法optim.set_lr(0.001)但是有一些方法可以做到这一点吗？

一个R函数传递给我,它在Real Line的某个区间定义并返回一个数值.有没有办法检查功能是否恒定？

示例功能:

f1<-function(x) {11}
f2<-function(x) {x+2}
f3<-function(x) {1+1}
f4<-function(x) {return(3)}

我正在寻找一个测试,它会说f1,f3,f4是常数函数,但f2不是.有任何想法吗？

编辑:

弗兰克和格雷戈尔(编辑:和迈克尔劳伦斯的第二个解决方案)以下解决方案都适用于上面给出的所有4个测试用例(Marat和迈克尔不对所有4个案例都有效).所以已有解决方案.但是,如果您能找到一个解决方案,并为以下3个测试功能提供正确的答案,那么额外的奖励积分:

f5 <- function(x) ifelse(x == 5.46512616432116, 0, 1)
f6 <- function(x) ifelse(x == 5.46512616432116, 0, 0)
f7 <- function(x) {x - x}

我想要一个for循环,它的迭代次数取决于张量值.例如:

for i in tf.range(input_placeholder[1,1]):
  # do something

但是我收到以下错误:

"TypeError:'Tensor'对象不可迭代"

我该怎么办？

我正在关注这个教程http://www.bitfusion.io/2016/08/31/training-a-bird-classifier-with-tensorflow-and-tflearn/ 我认为培训已经完成,但系统已重新启动,所以我无法验证100个时代是否完成.你能建议修复吗？

mona@pascal:~/computer_vision/python_playground$ python infer.py test_images/
bird_african_fish_eagle.jpg          bird_mount_bluebird.jpg              not_a_bird_creativecommons_logo.jpg  
bird_bullocks_oriole.jpg             not_a_bird_airplane.jpg              not_a_bird_stop_sign.jpg             
mona@pascal:~/computer_vision/python_playground$ python infer.py test_images/not_a_bird_stop_sign.jpg 
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcurand.so locally
I tensorflow/core/common_runtime/gpu/gpu_device.cc:885] Found device 0 with properties: 
name: Tesla K40c
major: 3 minor: 5 memoryClockRate (GHz) 0.745
pciBusID 0000:03:00.0
Total memory: 11.92GiB
Free …

看来互联网还没有为R回答这个问题:

如果我有约会.比如3月20日:as.Date("2015-03-20")我如何在R上一个星期天得到？即,在上面的例子中,as.Date("2015-03-15").