小编Mas*_*nya的帖子

R中的调试模式有时会抛出以下错误:

     Error in fBody[[i]] : no such index at level 4

是什么导致这个？以及如何避免它？

试图安装:

     pip install multiprocessing

得到错误:

Collecting multiprocessing
Using cached multiprocessing-2.6.2.1.tar.gz
Complete output from command python setup.py egg_info:
Traceback (most recent call last):
  File "<string>", line 1, in <module>
  File "/private/var/folders/7s/sswmssj51p73hky4mkqs4_zc0000gn/T/pip-build-8c0dk6ai/multiprocessing/setup.py", line 94
    print 'Macros:'
                  ^
SyntaxError: Missing parentheses in call to 'print'

----------------------------------------
Command "python setup.py egg_info" failed with error code 1 in /private/var/folders/7s/sswmssj51p73hky4mkqs4_zc0000gn/T/pip-build-8c0dk6ai/multiprocessing/

有谁知道解决这个问题的方法？

我有一个大小为 (64, 2, 82, 1) 的 Tensorflow 张量 A，我想将其 (:, :, 80:82, :) 部分替换为张量 B 的相应部分（还有 (64, 2 , 82, 1) 大小）。

我该怎么做？

PS：准确地说，我的意思是在 numpy 中看起来像这样的操作：

A[:, :, 80:82, :] = B[:, :, 80:82, :]

我根据其硬件规格和以下关节轴将Baxter臂机器人的正向运动学功能放在一起: 以下正向运动学的关节位置与相应的笛卡尔坐标不匹配,我在这里做错了什么？

def FK_function_2(joints):
    def yaw(theta): #(rotation around z)
        y = np.array([[np.cos(theta), -np.sin(theta), 0],
                      [np.sin(theta), np.cos(theta), 0],
                      [0, 0, 1] ])
        return y

    R01 = yaw(joints[0]).dot(np.array([[-1,     0,   0],
                                       [0,      0,   1],
                                       [0,      1,   0]]))
    R12 = yaw(joints[1]).dot(np.array([[0,      0,   -1],
                                       [-1,     0,   0],
                                       [0,      1,   0]]))
    R23 = yaw(joints[2]).dot(np.array([[-1,     0,   0],
                                       [0,      0,   1],
                                       [0,      1,   0]]))
    R34 = yaw(joints[3]).dot(np.array([[-1,     0,   0],
                                       [0,      0,   1],
                                       [0,      1,   0]]))
    R45 = yaw(joints[4]).dot(np.array([[-1,     0,   0],
                                       [0,      0,   1],
                                       [0,      1,   0]])) …

我正在尝试将 keras.initializers 引入我的网络， 如下链接：

import keras
from keras.optimizers import RMSprop, Adam
from keras.layers import Input, Embedding, LSTM, Dense, merge, Activation
from keras.models import Model, Sequential

model = Sequential()
model.add(Dense(100, init='lecun_uniform', input_shape=(6,)))
model.add(Activation('relu'))
model.add(Dense(27, init='lecun_uniform'))
model.add(Activation('linear'))

rms = RMSprop(lr = 0.01)
keras.initializers.RandomUniform(minval=-0.05, maxval=0.05, seed=None)
model.compile(loss='mse', optimizer=rms)

它失败并出现以下错误：

keras.initializers.RandomUniform(minval=-0.05, maxval=0.05, seed=None)

AttributeError: module 'keras' has no attribute 'initializers'

关于为什么会发生的任何想法？

我正在尝试调整此DCGAN代码,以便能够使用2x80数据样本.

所有发生器层都不是tf.nn.deconv2dh0,即ReLu.目前每级的生成器过滤器大小:

Generator: h0: s_h16 x s_w16: 1  x  5
Generator: h1: s_h8 x s_w8: 1  x  10
Generator: h2: s_h4 x s_w4: 1  x  20
Generator: h3: s_h2 x s_w2: 1  x  40
Generator: h4: s_h x s_w: 2  x  80

因为我的数据的性质,我想他们是2×...,即用于过滤器是最初产生2 x 5,2 x 10,2 x 20,2 x 40,和2 x 80.但是,当我只是手动输入s_h16 = 2 * s_h16等等时s_h2 = 2 * s_h2 …

我正在尝试将此版本的 DCGAN 代码（在 Tensorflow 中实现）与我的一些数据一起使用。我遇到了鉴别器变得太强大太快以至于生成器无法学习任何东西的问题。

现在，针对 GAN 的问题，通常推荐一些技巧：

• 批量归一化（DCGAN 代码中已存在）

• 为发电机提供领先优势。

我做了后者的一些版本，允许每 1 个判别器进行 10 次生成器迭代（不仅在开始时，而是在整个训练过程中），这就是它的样子：

在这种情况下，添加更多的生成器迭代只会减缓不可避免的情况——判别器变得太强并抑制生成器的学习。

因此我想请教一下是否有另一种方法可以帮助解决鉴别器过强的问题？

由Anaconda运行几乎所有来自OpenAi gym的spyder中的代码(例如此代码:https://gym.openai.com/evaluations/eval_y5dnhk0ZSMqlqJKBz5vJQw )我遇到以下错误消息:

DependencyNotInstalled: Found neither the ffmpeg nor avconv executables. On OS X, you can install ffmpeg via 'brew install ffmpeg'. On most Ubuntu variants, 'sudo apt-get install ffmpeg' should do it. On Ubuntu 14.04, however, you'll need to install avconv with 'sudo apt-get install libav-tools'.

但是当我输入brew install ffmpeg终端时,我得到了Warning: ffmpeg-3.2 already installed没有任何反应.

有关如何解决此错误的任何想法？

这是一个基本的Tensorflow网络示例(基于MNIST),完整代码,提供大约0.92的准确度:

import numpy as np
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

x = tf.placeholder(tf.float32, [None, 784])

W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)

y_ = tf.placeholder(tf.float32, [None, 10])

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
sess = tf.InteractiveSession()
tf.global_variables_initializer().run() # or 
tf.initialize_all_variables().run()

for _ in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, …

我已经查看了一些关于 tf.nn.conv2D 的不同参数代表什么的很好的解释，但我仍然无法理解 in_channels 和 out_channels 到底代表什么。

有人可以帮我澄清一下吗？

当我尝试执行以下操作时：

sudo apt-get install ros-kinetic-desktop-full

我收到以下错误：

E: Unable to locate package ros-kinetic-desktop-full

然后，我尝试寻找一种解决方法，从源安装它，一旦运行rosdep install --from-paths . -i -y --rosdistro kinetic，它将引发以下错误：

executing command [sudo -H apt-get install -y ros-kinetic-gazebo-dev]
Reading package lists... Done
Building dependency tree       
Reading state information... Done
E: Unable to locate package ros-kinetic-gazebo-dev
ERROR: the following rosdeps failed to install
apt: command [sudo -H apt-get install -y ros-kinetic-gazebo-dev] failed

任何想法出什么问题了吗？

我的计算机安装了以下软件：Anaconda (3)、TensorFlow (GPU) 和 Keras。Anaconda 虚拟环境有两种，一种是 TensorFlow for Python 2.7，一种是 3.5，都是 GPU 版本，按照 TF 指令安装。（我之前在单独的环境中安装了 CPU 版本的 TensorFlow，但我已将其删除。）

当我运行以下命令时：

source activate tensorflow-gpu-3.5
python code.py

并检查nvidia-smi它仅显示 Python 的 GPU 内存使用量为 3MiB，因此看起来 GPU 并未用于计算。（code.py是一个用 Keras 实现的简单深度 Q 学习算法）

有什么想法可能会出问题吗？