小编Chr*_*rry的帖子

我正在运行python脚本,我收到此错误:

Intel MKL FATAL ERROR: Cannot load libmkl_avx2.so or libmkl_def.so.

这两个文件都存在于anaconda2/lib目录中.我该如何解决这个错误？谢谢.

我有一个大阵列(大约250,000 x 10).每行包含1或-1.例如:

data(1, :) = [1, -1, -1, -1, -1, -1, -1, -1, 1, -1];

我需要选择n行的集合,以便最小化列的绝对和的平均值(尽可能接近零).所以,在这个玩具示例中,n = 2:

[ 1  1  1  1]
[-1 -1 -1 -1]
[-1  1 -1  1]

我会选择第1行和第2行,因为它们总和为[0 0 0 0](平均值为0),这是n = 2时的最小值.

我尝试了下面建议的方法(寻找互补对),但对于我的数据集,这只能形成23k行的平衡子集.因此,我需要一个近似值,它生成一个大小为n行的子集,但是使用列的绝对和的最小平均值.

到目前为止我发现的最佳方法如下:选择一个起始子集,迭代地将余数中的每一行添加到基数中,如果它改进了列的绝对和的平均值,则保留它.这非常粗糙,我相信有更好的方法.它也容易陷入虚假的最小值,因此需要添加一个意外事件:

shuffle = randperm(size(data));
data_shuffled = data(shuffle, :);

base = data_shuffled(1:30000, :);
pool = data_shuffled(30001:end, :);

best_mean = mean(abs(sum(base, 1)));
best_matrix = base;
n = 100000;

for k = 1:20

    for i = 1:size(pool, 1)
        temp = …

我正在构建一个自定义指标来测量培训期间我的多类数据集中一个类的准确性.我在选择课程时遇到了麻烦.

目标是一个热点(例如:0级标签是[1 0 0 0 0]:

from keras import backend as K

def single_class_accuracy(y_true, y_pred):
    idx = bool(y_true[:, 0])              # boolean mask for class 0 
    class_preds = y_pred[idx]
    class_true = y_true[idx]
    class_acc = K.mean(K.equal(K.argmax(class_true, axis=-1), K.argmax(class_preds, axis=-1)))  # multi-class accuracy  
    return class_acc

麻烦的是,我们必须使用Keras函数来索引张量.如何为张量创建布尔掩码？谢谢.

我正在Matlab中的傅里叶域中进行模板匹配.这是我的图像(艺术家是DeviantArt上的RamalamaCreatures):

我的目标是在负鼠的耳朵周围放置一个边界框,就像这个例子(我使用normxcorr2执行模板匹配):

这是我正在使用的Matlab代码:

clear all; close all;

template = rgb2gray(imread('possum_ear.jpg'));
background = rgb2gray(imread('possum.jpg'));

%% calculate padding
bx = size(background, 2); 
by = size(background, 1);
tx = size(template, 2); % used for bbox placement
ty = size(template, 1);

%% fft
c = real(ifft2(fft2(background) .* fft2(template, by, bx)));

%% find peak correlation
[max_c, imax]   = max(abs(c(:)));
[ypeak, xpeak] = find(c == max(c(:)));
figure; surf(c), shading flat; % plot correlation 

%% display best match
hFig = figure;
hAx  = axes;
position = [xpeak(1)-tx, …

尝试导入Keras模块Nadam时出现导入错误:

>>> from keras.optimizers import Nadam
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ImportError: cannot import name Nadam

我可以导入和使用SGD,Adam等,而不是这个优化器.任何帮助赞赏.

我用Keras安装了:

git clone https://github.com/fchollet/keras.git
sudo python2.7 setup.py install

我刚刚发现,如果我在安装后立即尝试使用shell导入它,那么Nadam导入就可以了.但Nadam不会导入我的脚本.那么这是一个路径问题？

我正在从Pandas数据帧中隔离一些行ID,如下所示:

data = df.loc[df.cell == id]
rows = df.index

print(type(rows))
< class 'pandas.indexes.numeric.Int64Index'>

我想将行转换为numpy数组,以便我可以使用sio.savemat将其保存到mat文件中.这会返回一个错误:

row_mat = rows.as_matrix()
AttributeError: 'Int64Index' object has no attribute 'as_matrix'

请问有什么正确的方法？谢谢

我有一个100乘100的numpy矩阵.矩阵主要用零填充,但也包含一些数量的整数.例如:

[0 0 0 0 0 0 0 1]
[0 2 2 0 0 0 0 0]
[0 0 2 0 0 0 0 0]  False
[0 0 0 0 0 0 0 0]
[0 3 3 0 0 0 0 0]

确定矩阵是否包含任意数量的不同类型的相邻int的最有效方法是什么？

上面的例子将返回False.这是一个True示例,其中包含指示邻接的行:

[0 0 0 0 0 0 0 1]
[0 2 2 1 1 0 0 0]   <----  True
[0 0 2 0 0 0 0 0]  
[0 0 0 0 0 0 0 0]
[0 3 …

我试图将一些字符串表保存到Torch中的文件.我尝试过使用Deepmind的这个Torch扩展:hdf5.

require 'hdf5'
label = {'a', 'b','c','d'}

local myFile = hdf5.open(features_repo .. 't.h5', 'w')
myFile:write('label', label)
myFile:close()

我收到错误:

/home/user/torch/install/bin/luajit: ...e/user/torch/install/share/lua/5.1/hdf5/group.lua:222: torch-hdf5: writing data of type string is not supported

Torch Tensors按预期写入文件.

我也尝试使用matio写入mat文件(对于MatLab).我收到此错误:

bad argument #1 to 'varCreate' (cannot convert 'number' to 'const char *')

我试图在Sklearn中使用PCA来减小非常大的矩阵的维数,但它会产生内存错误(RAM需要超过128GB).我已经设置了copy = False,而我正在使用计算成本较低的随机PCA.

有解决方法吗？如果没有,我可以使用哪些其他暗淡减少技术需要更少的内存.谢谢.

更新:我尝试PCA的矩阵是一组特征向量.它来自于通过预训练的CNN传递一组训练图像.矩阵是[300000,51200].尝试了PCA组件:100到500.

我想减少它的维度,所以我可以使用这些功能来训练ML算法,例如XGBoost.谢谢.

我有 2 个 Pandas dfs，A 和 B。两者都有 10 列和索引“ID”。如果 A 和 B 的 ID 匹配，我想用 A 的行替换 B 的行。我尝试使用 pd.update，但还没有成功。任何帮助表示赞赏。