小编ted*_*ddy的帖子

我们如何以编程方式获取 IntelliJ 中方法的调用层次结构

在 IntelliJ 中获取调用层次结构很容易。只需使用内置工具即可。但是有没有办法使用代码来做到这一点?Eclipse的JDT内部有两班叫CallHierarchy和MethodWrapper这种帮助可以这样做:链接

如果 IntelliJ 中没有等效项,是否有另一种预构建的方法可以找到特定方法(和基本方法)的所有调用者?(我们可以以编程方式调用Find Usages吗?)

简而言之,对于一个特定的方法,我想在某种 Collection<> 中获取使用基本方法的所有其他方法和类。

提前感谢您的任何回应或想法。

java parsing intellij-idea call-hierarchy

6
推荐指数
1
解决办法
938
查看次数

我们如何从 Keras 线性回归模型中获得回归系数?

具有 k 个预测变量 X1, X2, ..., Xk\n 和响应 Y 的多元线性回归模型可以写为 y = \xce\xb20 + \xce\xb21X1 + \xce\xb22X2 + \xc2\xb7\xc2 \xb7\xc2\xb7\xce\xb2kXk + ".

\n\n

我按照此处的教程使用 tf.keras 进行基本回归。https://www.tensorflow.org/tutorials/keras/regression。是否可以输出 \xce\xb2 变量,以便我可以检查它们对响应的贡献?

\n\n

顺便说一下,教程让您构建的模型看起来像这样:

\n\n
def build_model():\n  model = keras.Sequential([\n    layers.Dense(64, activation=\'relu\', input_shape=[len(train_dataset.keys())]),\n    layers.Dense(64, activation=\'relu\'),\n    layers.Dense(1)\n  ])\n\n  optimizer = tf.keras.optimizers.RMSprop(0.001)\n\n  model.compile(loss=\'mse\',\n                optimizer=optimizer,\n                metrics=[\'mae\', \'mse\'])\n  return model\n
Run Code Online (Sandbox Code Playgroud)\n\n

9.在哪里len(train_dataset.keys())

\n

python linear-regression keras tf.keras

2
推荐指数
1
解决办法
2723
查看次数