小编Oli*_*ken的帖子

对于keras函数fit(),fit_generator()通过将keras.callbacks.TensorBoard对象传递给函数,可以进行张量板可视化.对于该train_on_batch()功能,显然没有可用的回调.在这种情况下,keras中还有其他选项来创建Tensorboard吗？

我读到进程在单独的内存空间（链接）上运行。然而，python 的 multiprocessing 包提供了共享内存（multiprocessing.Value、multiprocessing.Array）。

• 这些数据存储在哪里（在哪个进程中）？
• 子进程是否通过引用访问数据？

我有一个点云，我想测量（/近似）熵（密度-熵）。只有当我为点云中的每个点分配一个概率时，才能计算熵。这样做的常用方法是什么？

笔记：

我的一个想法是使用内核密度估计（wiki）来计算密度：

有没有通用的方法，还是我应该只使用 kde？

我在C++中为多线程编写了一个非常简单的例子.为什么多线程和单线程具有大致相同的执行时间？

码:

#include <iostream>
#include <thread>
#include <ctime>

using namespace std;

// function adds up all number up to given number
void task(int number)
{
    int s = 0;
    for(int i=0; i<number; i++){
        s = s + i;
    }
}

int main()
{

    int n = 100000000;

    ////////////////////////////
    // single processing      //
    ////////////////////////////

    clock_t begin = clock();

    task(n);
    task(n);
    task(n);
    task(n);

    clock_t end = clock();
    double elapsed_secs = double(end - begin) / CLOCKS_PER_SEC;
    cout  << "time single-threading: "<< elapsed_secs << …

在核密度估计中,空间中任意点的密度可以通过(wiki)估算:

在sklearn中,可以从此分布中提取样本:

kde = KernelDensity().fit(z)  # fit kde
z_sampled = kde.sample(100)   # draw 100 samples

是否有明确的公式来从这样的分布中抽取样本？