目前,我正在探索通过从左向右滑动来显示数据库中数据的选项,并允许用户从数据阵列中的任何位置添加和删​​除数据.我发现有两种可能的解决方案可以做到这一点.一个是带有水平滚动的RecyclerView,另一个是带有FragmentStatePagerAdapter的ViewPager.哪个更有效率？在内存使用和易于实现方面？

谢谢.

每当我尝试使用时tf.reset_default_graph(),我都会收到此错误:IndexError: list index out of range或者``.我应该在哪部分代码中使用它？我什么时候应该使用它？

编辑:

我更新了代码,但错误仍然存​​在.

def evaluate():
    with tf.name_scope("loss"):
        global x # x is a tf.placeholder()
        xentropy = tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=neural_network(x))
        loss = tf.reduce_mean(xentropy, name="loss")

    with tf.name_scope("train"):
        optimizer = tf.train.AdamOptimizer()
        training_op = optimizer.minimize(loss)

    with tf.name_scope("exec"):
        with tf.Session() as sess:
            for i in range(1, 2):
                sess.run(tf.global_variables_initializer())
                sess.run(training_op, feed_dict={x: np.array(train_data).reshape([-1, 1]), y: label})
                print "Training " + str(i)
                saver = tf.train.Saver()
                saver.save(sess, "saved_models/testing")
                print "Model Saved."


def predict():
    with tf.name_scope("predict"):
        tf.reset_default_graph()
        with tf.Session() as sess:
            saver …

我很难找到如何构建我的Tensorflow模型代码.我想以类的形式构建它以便于将来重用.此外,我目前的结构是凌乱的,张量板图输出内部有多个"模型".

以下是我目前的情况:

import tensorflow as tf
import os

from utils import Utils as utils

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'

class Neural_Network:
    # Neural Network Setup
    num_of_epoch = 50

    n_nodes_hl1 = 500
    n_nodes_hl2 = 500
    n_nodes_hl3 = 500

    def __init__(self):
        self.num_of_classes = utils.get_num_of_classes()
        self.num_of_words = utils.get_num_of_words()

        # placeholders
        self.x = tf.placeholder(tf.float32, [None, self.num_of_words])
        self.y = tf.placeholder(tf.int32, [None, self.num_of_classes])

        with tf.name_scope("model"):
            self.h1_layer = tf.layers.dense(self.x, self.n_nodes_hl1, activation=tf.nn.relu, name="h1")
            self.h2_layer = tf.layers.dense(self.h1_layer, self.n_nodes_hl2, activation=tf.nn.relu, name="h2")
            self.h3_layer = tf.layers.dense(self.h2_layer, self.n_nodes_hl3, activation=tf.nn.relu, name="h3")

            self.logits = tf.layers.dense(self.h3_layer, self.num_of_classes, name="output") …

我无法理解中的图论点tf.Session()。我尝试查找TensorFlow网站：链接，但了解得不多。

我试图找出tf.Session()和之间的区别tf.Session(graph=some_graph_inserted_here)。

问题背景

代码A（无效）：

def predict():
    with tf.name_scope("predict"):
        with tf.Session() as sess:
            saver = tf.train.import_meta_graph("saved_models/testing.meta")
            saver.restore(sess, "saved_models/testing")
            loaded_graph = tf.get_default_graph()
            output_ = loaded_graph.get_tensor_by_name('loss/network/output_layer/BiasAdd:0')
            _x = loaded_graph.get_tensor_by_name('x:0')
            print sess.run(output_, feed_dict={_x: np.array([12003]).reshape([-1, 1])})

此代码给出以下错误：ValueError: cannot add op with name hidden_layer1/kernel/Adam as that name is already used尝试在以下位置加载图形时saver = tf.train.import_meta_graph("saved_models/testing.meta")

代码B（工作中）：

def predict():
    with tf.name_scope("predict"):
        loaded_graph = tf.Graph()
        with tf.Session(graph=loaded_graph) as sess:
            saver = tf.train.import_meta_graph("saved_models/testing.meta")
            saver.restore(sess, "saved_models/testing")
            output_ = loaded_graph.get_tensor_by_name('loss/network/output_layer/BiasAdd:0')
            _x = loaded_graph.get_tensor_by_name('x:0') …

我在标准环境 Google App Engine 中运行一个非常简单的 Flask python 应用程序。我正在尝试通过以下命令查看日志信息：gcloud app logs tail -s default。

我尝试使用 3 种不同的方法进行打印：

1. logging.info("Printing via Google App Engine Log")
2. print("Printing via python print")
3. app.logger.info("Printing via Flask Log")

可悲的是，他们都没有工作。

那么如何打印实时日志流中的行呢？

谢谢

编辑：添加了我的代码的一部分

from flask import Flask
from flask import request

import requests
import json
import logging

app = Flask(__name__)

@app.route("/", methods=["GET"])
def webhook():

    app.logger.info("Printing via Flask Log")
    print("Printing via python print")
    logging.info("Printing via Google App Engine Log")

    if request.args.get("hub.mode") == "subscribe" and request.args.get("hub.challenge"):
        if not …