小编Nea*_*bfi的帖子

如何withTrashed应用于hasManyThrough关系？

$this->hasManyThrough('App\Message', 'App\Deal')->withTrashed();

返回

调用未定义的方法 Illuminate\Database\Query\Builder::withTrashed()

当我在做：

$messages = Auth::user()->messages()->with('deal')->orderBy('created_at', 'DESC')->get();`

这是我的交易模型：

<?php

namespace App;

use Illuminate\Database\Eloquent\Model;
use Illuminate\Database\Eloquent\SoftDeletes;

class Deal extends Model
{

    use SoftDeletes;

    /* ... */

    protected $dates = ['deleted_at'];

    public function user() {
        return $this->belongsTo('App\User');
    }

    public function messages() {
        return $this->hasMany('App\Message'); // I've tried to put withTrashed() here, there is no error but it doesn't include soft deleting items.
    }
}

我想检查var是数组还是Dict.

typeof(var) == Dict

typeof(var) == Array

但它不起作用因为typeof太精确了:Dict {ASCIIString,Int64}.什么是最好的方式？

我想得到一个数据帧的行数.我可以实现这一目标size(myDataFrame)[1].有更干净的方式吗？

我对 Laravel 5.3 的新Gate::allows方法有问题。

这是我AuthServiceProvider.php的测试：

<?php

namespace App\Providers;

use Illuminate\Support\Facades\Gate;
use Illuminate\Foundation\Support\Providers\AuthServiceProvider as ServiceProvider;

class AuthServiceProvider extends ServiceProvider
{
  /**
   * The policy mappings for the application.
   *
   * @var array
   */
  protected $policies = [
      'App\Model' => 'App\Policies\ModelPolicy',
  ];

  /**
   * Register any authentication / authorization services.
   *
   * @return void
   */
  public function boot()
  {
      $this->registerPolicies();

      Gate::define('settings', function ($user)
      {
          return true;
      });
  }
}

通常，无论用户的角色如何，每个人都可以访问设置。

但这总是显示“否”而不是“确定”。

<?php

namespace App\Http\Controllers;

use Gate;
use Illuminate\Http\Request; …

在scikit-learn 0.20之前，我们可以result.grid_scores_[result.best_index_]用来获取标准偏差。（它返回为例：mean: 0.76172, std: 0.05225, params: {'n_neighbors': 21}）

scikit学习0.20以获得最佳分数的标准偏差的最佳方法是什么？

我正在尝试使用PyTorch构建一个非常简单的LSTM自动编码器。我总是用相同的数据训练它：

x = torch.Tensor([[0.0], [0.1], [0.2], [0.3], [0.4]])

我建立我的模型下面这个链接：

inputs = Input(shape=(timesteps, input_dim))
encoded = LSTM(latent_dim)(inputs)

decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)

sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)

我的代码正在运行，没有错误，但y_pred收敛到：

tensor([[[0.2]],
        [[0.2]],
        [[0.2]],
        [[0.2]],
        [[0.2]]], grad_fn=<StackBackward>)

这是我的代码：

import torch
import torch.nn as nn
import torch.optim as optim


class LSTM(nn.Module):

    def __init__(self, input_dim, latent_dim, batch_size, num_layers):
        super(LSTM, self).__init__()
        self.input_dim = input_dim
        self.latent_dim = latent_dim
        self.batch_size = batch_size
        self.num_layers = num_layers

        self.encoder = nn.LSTM(self.input_dim, self.latent_dim, self.num_layers) …

我保存的 state_dict 不包含我模型中的所有层。如何忽略 state_dict 错误中的缺失键并初始化剩余的权重？