目的

为了澄清具有什么特征或属性,我可以说分析是推论性的或预测性的.

背景

参加一个涉及推理和预测分析的数据科学课程.解释(我理解)是

• 推理

  从群体中的小样本中引入假设,并且在较大/整个群体中看到它是正确的.

  在我看来,这是概括.我认为诱导吸烟导致肺癌或二氧化碳导致全球变暖是推论分析.

• 预测

  通过测量对象的变量来描述可能发生的事情.

  我认为,确定哪些特征,行为,评论让人们反应良好,并使总统候选人足够受欢迎成为总统是一种预测分析(这也在课程中被触及).

题

我对这两个人有点困惑,因为它看起来有灰色区域或重叠.

贝叶斯推断是"推论",但我认为它用于预测,例如垃圾邮件过滤器或欺诈性金融交易识别.例如,银行可以使用先前对变量的观察(例如IP地址,发起人国家,受益人帐户类型等)并预测交易是否是欺诈性的.

我认为相对论是一种推论分析,它从观察和思想实验中引入了一个理论/假设,但它也预测了光的方向会被弯曲.

请帮助我理解什么是必须具有的属性,以将分析分类为推理或预测.

题

请帮助理解何时CGO_ENABLED是必须且不可避免的，以及 go 编译过程会发生什么。

当 CGO_ENABLED 是必须的

在阅读了参考文献中的文章后，看起来 go 对目标平台具有交叉编译本机支持，CGO_ENABLED永远不会是必须的。这样对吗？

当这种情况CGO和CGO_ENABLED是绝对必须的是什么时候走的编译器不能生成目标平台的二进制代码。例如，假设我正在用 Go 编写一个 Space X 控制板嵌入式程序，我必须使用 C 库和板的编译器。该板没有其他可用的库或编译器。

在这种情况下，我必须执行CGO_ENABLED=1并告诉cgo 使用的编译器和链接器以及 C 库二进制文件在我的笔记本电脑中复制的位置，并设置编译器 CFLAGS 等。也许我必须全部使用 C在这种情况下编码而不是使用 Go，但不知何故我处于不得不使用 Go 的情况。这是必须的时候CGO_ENABLED=1。这样对吗？

否则，如果特别是 go 支持目标平台交叉编译，使用CGO_ENABLED=1可能是一个捷径，只需为目标平台重新使用现有的 C 库。这是正确的还是需要CGO_ENABLED 的任何其他原因？

发生什么了

我想当使用CGO_ENABLED=1时，基本上会有来自 Go 部分的二进制文件和来自go build命令创建的可执行文件中的 C 库的二进制文件的组合。并且在运行时，执行在 go 和 C 两个二进制世界之间来回执行。 Go 二进制端不知道 C 端，因此调试器之类的 go 工具将不可用。

我想可执行文件是硬链接所有库还是使用动态链接取决于目标平台编译器。

这些是正确的理解吗？

交叉编译默认 …

问题

请确认1.15之后要在TensorFlow中同时使用CPU和GPU ，安装tensorflow包就足够了，不再需要tensorflow-gpu 。

背景

仍然可以看到文章指出安装tensorflow-gpu例如pip install tensorflow-gpu==2.2.0，tensorflow-gpu 包的PyPi 存储库在最新的tensorflow-gpu 2.4.1中处于活动状态。

Annaconda 文档还引用了tensorflow-gpu 包。

• 使用 GPU 包 - 可用包 - TensorFlow

TensorFlow 是一个通用的机器学习库，但在深度学习应用中最受欢迎。Anaconda 中支持三种 Tensorflow 包变体，其中之一是 NVIDIA GPU 版本。这是通过安装元包tensorflow-gpu来选择的：

然而，根据 TensorFlow v2.4.1 (as of Apr 2021) Core document GPU support - Older versions of TensorFlow

对于 1.15 及更早版本，CPU 和 GPU 包是分开的：

pip install tensorflow==1.15      # CPU
pip install tensorflow-gpu==1.15  # GPU

根据 TensorFlow Core Guide使用 GPU。 …

Hugging Face模型的generatedo_sample方法的参数有什么作用？

\n

使用语言建模头生成模型序列。该方法目前支持贪婪解码、多项式采样、波束搜索解码和波束搜索多项式采样。

\n

do_sample (bool, optional, defaults to False) \xe2\x80\x93 Whether or not to use sampling; \nuse greedy decoding otherwise.\n

当Beam search长度为1时，可以称为贪婪。做do_sample=False意思一样吗

问题

哪个 AWS 文档解释了在 SageMaker Studio 中运行 SageMaker 所需的 IAM 权限？

问题

在附加了 IAM 策略AmazonSageMakerFullAccess的 SageMaker Studio 中。

AWS 文档AmazonSageMakerFullAccess：

\n

此策略授予管理权限，允许委托人完全访问所有 Amazon SageMaker 资源和操作。该政策还提供对相关服务的选择性访问。

\n

权限详情

\n

此策略包括以下权限。
\n...
\niam \xe2\x80\x93 需要授予 SageMaker 控制台对可用 IAM 角色的访问权限并创建服务相关角色。

\n

但是，按照指示运行下面的代码SageMaker 角色失败。

import sagemaker\n\nsess = sagemaker.Session()\nrole = sagemaker.get_execution_role()\n-----\nCouldn\'t call \'get_role\' to get Role ARN from role name <IAM Role Name> to get Role path.\n

使固定

题

如何使用 Terraform 设置 API Gateway 阶段级执行日志记录？还不支持吗？

背景

API Gateway 阶段编辑器具有执行日志记录配置。但是，尽管它具有访问日志记录配置参数，但似乎没有参数可以在aws_api_gateway_stage 中设置它们。

想知道是否还有其他资源可以使用，或者只是那些参数尚未实现。

问题

“无法验证客户端的秘密哈希......”在 REFRESH_TOKEN_AUTH 身份验证流程中。

{
    "Error": {
        "Code": "NotAuthorizedException",
        "Message": "Unable to verify secret hash for client 3tjdt39cq4lodrn60kjmsb****"
    },
    "ResponseMetadata": {
        "HTTPHeaders": {
            "connection": "keep-alive",
            "content-length": "114",
            "content-type": "application/x-amz-json-1.1",
            "date": "Tue, 29 Jan 2019 22:22:35 GMT",
            "x-amzn-errormessage": "Unable to verify secret hash for client 3tjdt39cq4lodrn60kjmsbv3jq",
            "x-amzn-errortype": "NotAuthorizedException:",
            "x-amzn-requestid": "610368ec-2414-11e9-9671-f11a8cac1e43"
        },
        "HTTPStatusCode": 400,
        "RequestId": "610368ec-2414-11e9-9671-f11a8cac1e43",
        "RetryAttempts": 0
    }
}

REFRESH_TOKEN_AUTH 的 Boto3 代码

遵循 AWS 文档（如下面的参考资料）。

对于 REFRESH_TOKEN_AUTH/REFRESH_TOKEN：REFRESH_TOKEN（必需）、SECRET_HASH（如果应用程序客户端配置了客户端密钥，则需要）、DEVICE_KEY

response = get_client().admin_initiate_auth(
    UserPoolId=USER_POOL_ID,
    ClientId=CLIENT_ID,
    AuthFlow='REFRESH_TOKEN_AUTH',
    AuthParameters={
        'REFRESH_TOKEN': refresh_token,
        'SECRET_HASH': get_secret_hash(username)
    }
) …

问题

有没有办法确保访问仅来自特定的 NLB？在目前NLB的限制下，不知道有没有办法。

局限性

• AWS Network Load Balancer (NLB) 没有安全组 (SG)，因此无法使用 SG 来验证源是否为 NLB。

• NLB（实例 ID 目标）保留外部客户端的源 IP 地址，因此无法使用源 IP 来验证源是否为 NLB。

参考

• 网络负载均衡器没有安全组
• 源IP保护

  如果您使用实例 ID 指定目标，则会保留客户端的源 IP 地址并将其提供给您的应用程序。

我使用的是 MacOS Cagalina 10.15.4。我认为 mapfile 和 readarray 在 Bash 4 及更高版本中可用，但出现在下面。我可以问我做错了什么吗？

$ brew install bash
$ bash --version
GNU bash, version 5.0.17(1)-release (x86_64-apple-darwin19.4.0)
Copyright (C) 2019 Free Software Foundation, Inc.
License GPLv3+: GNU GPL version 3 or later <http://gnu.org/licenses/gpl.html>

$ mapfile
-bash: mapfile: command not found

$ readarray
-bash: readarray: command not found

在训练和服务期间，SageMaker 运行时中已预先设置并可用多个环境变量。它们在哪里定义和解释？

SageMaker SDK 文档说：

有关可用环境变量的详尽列表，请参阅SageMaker 容器文档。

然而，文档说：

警告：此软件包已被弃用。请使用 SageMaker Training Toolkit 进行模型训练，并使用 SageMaker Inference Toolkit 进行模型服务。

显然，SageMaker Inference Toolkit并未列出它们。

SageMaker 团队未更新这些典型的过时文档，导致花费大量时间。AWS没有内部文档更新流程吗？