小编And*_*noy的帖子

我已经看过很多关于在Raspberry Pi上运行Mono/.NET代码的讨论.在Raspberry Pi上实际运行任何Mono代码是否有任何成功？

在他们的网站上,他们列出了几个在该设备上运行的Linux发行版,其中一些发行版包括Mono.但是,没有详细说明Mono是否适用它.

有工作实施吗？

我正在使用as和gcc来汇编和创建 ARM 汇编程序的可执行文件，如本教程所推荐的，如下所示：

给定一个程序集源文件program.s，我运行：

as -o program.o program.s

然后：

gcc -o program program.o

但是，gcc直接在程序集源上运行，如下所示：

gcc -o program program.s

产生相同的结果。

是否在后台gcc调用as？是否有任何理由同时使用两者as，gcc并且gcc仅凭这一点就可以从源代码生成可执行文件？

我在 Raspberry Pi 3、Raspbian Jessie（Debian 衍生版）、gcc 4.9.2、2.25 上运行它。

我正在使用scikit，正在尝试调整XGBoost。我尝试使用嵌套的交叉验证，通过管道对训练折叠进行重新缩放（以避免数据泄漏和过度拟合），并与GridSearchCV并行进行参数调整，并与cross_val_score并行获得roc_auc得分。

from imblearn.pipeline import Pipeline 
from sklearn.model_selection import RepeatedKFold 
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import cross_val_score
from xgboost import XGBClassifier


std_scaling = StandardScaler() 
algo = XGBClassifier()

steps = [('std_scaling', StandardScaler()), ('algo', XGBClassifier())]

pipeline = Pipeline(steps)

parameters = {'algo__min_child_weight': [1, 2],
              'algo__subsample': [0.6, 0.9],
              'algo__max_depth': [4, 6],
              'algo__gamma': [0.1, 0.2],
              'algo__learning_rate': [0.05, 0.5, 0.3]}

cv1 = RepeatedKFold(n_splits=2, n_repeats = 5, random_state = 15)

clf_auc = GridSearchCV(pipeline, cv = cv1, param_grid = parameters, scoring = 'roc_auc', n_jobs=-1, return_train_score=False)

cv1 = RepeatedKFold(n_splits=2, …