小编Ara*_*n S的帖子

我正在尝试使用 Google Colab 中的 Tensorflow 实现 Tacotron 语音合成，使用此代码在 Github 中形成一个repo，下面是我的代码并且运行良好，直到使用 localhost 服务器的步骤，我如何在 Google 的笔记本中运行 localhost 服务器科拉布？

我的代码：

!pip install tensorflow==1.3.0
import tensorflow as tf
print("You are using Tensorflow",tf.__version__)
!git clone https://github.com/keithito/tacotron.git
cd tacotron
pip install -r requirements.txt
!curl https://data.keithito.com/data/speech/tacotron-20180906.tar.gz | tar xzC /tmp
!python demo_server.py --checkpoint /tmp/tacotron-20180906/model.ckpt #requires localhost

不幸的是，从 Google Colab 以本地模式运行对我没有帮助，因为要做到这一点，我需要在我的机器中下载太大的数据。
下面是我的最后一个输出，在这里我应该打开localhost:8888来完成工作，所以正如我之前提到的，有没有办法在 Google Colaboratory 中运行 localhost？

我已VSCode配置为保存时格式化，并配置为延迟后自动保存，如下代码片段所示

{
   ...
   "editor.formatOnSave": true,
   "files.autoSave": "afterDelay",
   "files.autoSaveDelay": 1000,
   ...
}

但是，只有当我显式保存时，它才不会在自动保存时格式化control+S

我怎样才能让它自动完成呢？

我正在尝试运行一个简单的 Cartopy 示例：

   import cartopy.crs as ccrs
   import matplotlib.pyplot as plt
   ax = plt.axes(projection=ccrs.PlateCarree())
   ax.coastlines()
   plt.show()

但我收到这个错误：

几何图形必须是点或线串
python: geos_ts_c.cpp:4179: int GEOSCoordSeq_getSize_r(GEOSContextHandle_t, const geos::geom::CoordinateSequence*, unsigned int*): Assertion0 != cs' failed`。

我使用 miniconda3 安装了 Cartopy：conda install -c conda-forge cartopy 我还尝试使用 pip （在虚拟环境中）安装 Cartopy，但出现了相同的错误。我的操作系统是 Debian Buster。

任何想法？

我正在尝试在我的计算机中实现此代码，我面临的问题是运行以下代码时出现错误：

fashion_mnist = keras.datasets.fashion_mnist
(X_train_full, y_train_full), (X_test, y_test) = (fashion_mnist.load_data())
X_valid, X_train = X_train_full[:5000], X_train_full[5000:]
y_valid, y_train = y_train_full[:5000], y_train_full[5000:]

错误：

~\Anaconda3\lib\site-packages\tensorflow_core\python\keras\utils\data_utils.py in get_file(fname, origin, untar, md5_hash, file_hash, cache_subdir, hash_algorithm, extract, archive_format, cache_dir)
    251         urlretrieve(origin, fpath, dl_progress)
    252       except HTTPError as e:
--> 253         raise Exception(error_msg.format(origin, e.code, e.msg))
    254       except URLError as e:
    255         raise Exception(error_msg.format(origin, e.errno, e.reason))

Exception: URL fetch failure on https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-labels-idx1-ubyte.gz: 403 -- Forbidden

但是如果我尝试单独下载数据，它不会给出禁止的错误，我尝试加载数据而不从谷歌下载，但又出现了另一个错误

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-13-68fe7d0ac27a> …

我在reddit遇到了一个编程问题（看一下问题的链接）

这是 Python 中的解决方案之一：

s="112213"
k=2
result=0
for i in range(len(s)):
    num_seen = 0
    window = {}
    for ind in range(i, len(s)):
        if not s[ind] in window:
            num_seen += 1  
            window[s[ind]] = 1
        else: 
            window[s[ind]] += 1 
        if   window[s[ind]] == k:
            num_seen -= 1
            if num_seen == 0:
                result +=1
        elif window[s[ind]] > k:
            break
print(result)

我已经尝试将此解决方案移植到 Raku 中，这是我的代码：

my @s=<1 1 2 2 1 3>;
my $k=2;
my $res=0;
for ^@s {
    my $seen = 0;
    my …

我正在将XGBRegressor与 Pipeline 一起使用。管道包含预处理步骤和模型（XGBRegressor）。

以下是完整的预处理步骤。（我已经定义了numeric_cols和cat_cols）

numerical_transfer = SimpleImputer()
cat_transfer = Pipeline(steps = [
   ('imputer', SimpleImputer(strategy = 'most_frequent')),
   ('onehot', OneHotEncoder(handle_unknown = 'ignore'))
   ])
preprocessor = ColumnTransformer(
   transformers = [
   ('num', numerical_transfer, numeric_cols),
   ('cat', cat_transfer, cat_cols)
   ])

最终的管道是

my_model = Pipeline(steps = [('preprocessor', preprocessor), ('model', model)])

当我尝试在不使用Early_stopping_rounds 的情况下进行拟合时，代码工作正常。

(my_model.fit(X_train, y_train))

但是当我使用如下所示的Early_stopping_rounds时，我收到错误。

my_model.fit(X_train, y_train, model__early_stopping_rounds=5, model__eval_metric = "mae", model__eval_set=[(X_valid, y_valid)])

我收到错误：

 model__eval_set=[(X_valid, y_valid)]) and the error is

ValueError: DataFrame.dtypes for data must be …

我创建了一个API端点，当用户尝试搜索时返回产品标题。现在在前端，当在输入字段上输入一些按键时，我将对该端点进行 API 调用。所以我将该组件编写React为基于类的组件。它工作正常。但是现在我想React通过使用React钩子在较新版本中转换该组件。

我的基于类的实现工作正常。我所做的是当用户输入一些按键时。我debounce即延迟作为参数传递的函数的执行。该函数handleSearchChange()从字段中获取值并检查value字符串是否大于 1 个字符，然后在指定的延迟后进行 API 调用，作为响应返回一些结果。

服务器从以下数据中过滤结果：

[
  {
    "title": "Cummings - Nikolaus",
    "description": "Assimilated encompassing hierarchy",
    "image": "https://s3.amazonaws.com/uifaces/faces/twitter/michalhron/128.jpg",
    "price": "$20.43"
  },
  {
    "title": "Batz, Kiehn and Schneider",
    "description": "Public-key zero tolerance portal",
    "image": "https://s3.amazonaws.com/uifaces/faces/twitter/attacks/128.jpg",
    "price": "$58.97"
  },
  {
    "title": "Borer, Bartell and Weber",
    "description": "Programmable motivating system engine",
    "image": "https://s3.amazonaws.com/uifaces/faces/twitter/craighenneberry/128.jpg",
    "price": "$54.51"
  },
  {
    "title": "Brekke, Mraz and Wyman",
    "description": "Enhanced …

我用较小的数据集训练了以下 CNN 模型，因此它确实过拟合：

model = Sequential()
model.add(Conv2D(32, kernel_size=(3,3), input_shape=(28,28,1), padding='same'))
model.add(BatchNormalization())
model.add(Activation('relu'))

model.add(Conv2D(32, kernel_size=(3,3), padding='same'))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.4))

model.add(Flatten())
model.add(Dense(512))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(10, activation='softmax'))
model.compile(loss="categorical_crossentropy", optimizer=Adam(), metrics=['accuracy'])

该模型有很多可训练的参数（超过 300 万个，这就是为什么我想知道我是否应该像下面这样使用额外的 MaxPooling 来减少参数的数量？

Conv - BN - Act - MaxPooling - Conv - BN - Act - MaxPooling - Dropout - Flatten

或者有一个额外的 MaxPooling 和 Dropout，如下所示？

Conv - BN - Act - MaxPooling - Dropout - Conv - BN - Act - MaxPooling - Dropout - Flatten

我试图了解 MaxPooling …

我有一个注册流程，它工作正常并且是多步骤的：

1. 联系方式
2. 确认
3. 密码

现在的流程是，完成所有步骤后，将创建一个新用户，如果用户名已经存在，那么在最后一步中我会收到一条错误消息，表明该用户已经存在。现在我需要改变这个流程。输入联系方式（电子邮件）后，我想检查该用户是否存在。如果它存在，那么我需要显示在第一步本身的最后一步中显示的错误消息，并阻止旅程移动到下一步。

为了实现这一目标，我所做的是：

创建了一个 TP，使用电子邮件读取用户详细信息，并将其作为第一步的验证技术配置文件：

<TechnicalProfile Id="AAD-CheckUserExist">
                    <Metadata>
                        <Item Key="Operation">Read</Item>                        
                        <Item Key="RaiseErrorIfClaimsPrincipalAlreadyExists">true</Item>
                    </Metadata>
                    <IncludeInSso>false</IncludeInSso>
                    <InputClaims>                       
                        <InputClaim ClaimTypeReferenceId="email" PartnerClaimType="signInNames.emailAddress" />                        
                    </InputClaims>
                    <OutputClaims>
                        <!-- Required claims -->
                        <OutputClaim ClaimTypeReferenceId="objectId" />
                        <OutputClaim ClaimTypeReferenceId="authenticationSource" DefaultValue="localAccountAuthentication" />
                        <!-- Optional claims -->
                        <OutputClaim ClaimTypeReferenceId="userPrincipalName" />
                        <OutputClaim ClaimTypeReferenceId="displayName" />
                        <OutputClaim ClaimTypeReferenceId="accountEnabled" />
                        <OutputClaim ClaimTypeReferenceId="otherMails" />
                        <OutputClaim ClaimTypeReferenceId="signInNames.emailAddress"/>
                        <OutputClaim ClaimTypeReferenceId="signInNames.phoneNumber"/>
                        <OutputClaim ClaimTypeReferenceId="givenName" />
                        <OutputClaim ClaimTypeReferenceId="surname" />
                    </OutputClaims>
                    <IncludeTechnicalProfile ReferenceId="AAD-Common" />
                </TechnicalProfile>

并添加<Item Key="RaiseErrorIfClaimsPrincipalAlreadyExists">true</Item>到<Metadata>.

以下是验证配置文件部分：

<TechnicalProfile Id="AAD-CheckUserExist">
                    <Metadata>
                        <Item Key="Operation">Read</Item>                        
                        <Item Key="RaiseErrorIfClaimsPrincipalAlreadyExists">true</Item> …