小编nai*_*bah的帖子

我正在使用Apache POI生成Excel文件.我需要删除工作表中的所有边框.如何使用Apache PIO 3.11和Microsoft Excel 2007实现此目的？

这是我到目前为止的代码:

package models;

import org.apache.poi.hssf.usermodel.HSSFWorkbook;
import org.apache.poi.ss.usermodel.*;
import org.apache.poi.ss.util.CellRangeAddress;

import java.io.FileOutputStream;
import java.util.List;
public class Excel {

    public static void writeDocument() {
        Workbook workbook = new HSSFWorkbook();
        Sheet sheet = workbook.createSheet("sheet");
        //first font
        Font font1 = workbook.createFont();
        font1.setBoldweight(Font.BOLDWEIGHT_BOLD);
        //first style
        CellStyle style1 = workbook.createCellStyle();
        style1.setBorderLeft(CellStyle.BORDER_NONE);
        style1.setBorderRight(CellStyle.BORDER_NONE);
        style1.setBorderBottom(CellStyle.BORDER_NONE);
        style1.setBorderTop(CellStyle.BORDER_NONE);

        //second style
        CellStyle style2 =  workbook.createCellStyle();
        style2.setFont(font1);
        style2.setVerticalAlignment(CellStyle.VERTICAL_CENTER);
        style2.setAlignment(CellStyle.ALIGN_CENTER);
        style2.setFillForegroundColor(IndexedColors.ORANGE.getIndex());
        style2.setFillPattern(CellStyle.SOLID_FOREGROUND);
        style2.setBorderBottom(CellStyle.BORDER_THIN);
        style2.setBottomBorderColor(IndexedColors.GREY_25_PERCENT.getIndex());
        style2.setBorderLeft(CellStyle.BORDER_THIN);
        style2.setLeftBorderColor(IndexedColors.GREY_25_PERCENT.getIndex());
        style2.setBorderRight(CellStyle.BORDER_THIN);
        style2.setRightBorderColor(IndexedColors.GREY_25_PERCENT.getIndex());
        style2.setBorderTop(IndexedColors.GREY_25_PERCENT.getIndex());

        for(int i=0; i< 100 ; i++){ …

import tensorflow as tf

array = tf.Variable(tf.random_normal([10]))
i = tf.constant(0)
l = []

def cond(i,l):
   return i < 10

def body(i,l):
   temp = tf.gather(array,i)
   l.append(temp)
   return i+1,l

index,list_vals = tf.while_loop(cond, body, [i,l])

我想以与上面代码中描述的类似方式处理张量数组.在while循环的主体中,我想逐个元素地处理数组以应用一些函数.为了演示,我给了一个小代码片段.但是,它给出了如下错误消息.

ValueError: Number of inputs and outputs of body must match loop_vars: 1, 2

任何帮助解决这个问题表示赞赏.

谢谢

Keras的TensorFlow后端是否依赖于热切的执行？

如果不是这种情况，我可以基于Keras和TensorFlow操作构建TensorFlow图，然后使用Keras高级API训练整个模型吗？

我想在Tensorflow中导入keras.engine.topology。如果我想使用Keras的Tensorflow版本，我曾经在每个Keras导入的开头添加tensorflow一词。

例如：而不是写：

from keras.layers import Dense, Dropout, Input

我只是编写以下代码，它可以正常工作：

from tensorflow.keras.layers import Dense, Dropout, Input

但这不是这种特定导入的情况：

from tensorflow.keras.engine.topology import Layer, InputSpec

我收到以下错误消息：

No module named 'tensorflow.keras.engine'

我想在没有任何输入的情况下实现Keras自定义层，只是可训练的权重。

这是到目前为止的代码：

class Simple(Layer):

    def __init__(self, output_dim, **kwargs):
       self.output_dim = output_dim
       super(Simple, self).__init__(**kwargs)

    def build(self):
       self.kernel = self.add_weight(name='kernel', shape=self.output_dim, initializer='uniform', trainable=True)
       super(Simple, self).build()  

    def call(self):
       return self.kernel

    def compute_output_shape(self):
       return self.output_dim

X = Simple((1, 784))()

我收到一条错误消息：

__call__() missing 1 required positional argument: 'inputs'

在Keras中没有输入的情况下，有没有构建自定义层的解决方法？

在Keras中，对于密集层，我们可以使用参数activity_regularizer。在Tensorflow中，没有类似的参数。

凯拉斯：

from keras import regularizers
encoding_dim = 32
input_img = Input(shape=(784,))
# add a Dense layer with a L1 activity regularizer
encoded = Dense(encoding_dim, activation='relu', activity_regularizer=regularizers.l1(10e-5))(input_img)
decoded = Dense(784, activation='sigmoid')(encoded)
autoencoder = Model(input_img, decoded)

如何在tensorflow中制作一个activity_regularizer？

我有两个 Keras 模型（功能 API）共享一些层。我想知道我是否训练第一个模型，第二个模型是否会自动更新其共享层的权重，还是应该手动加载权重。

我从文档中知道层可以在同一个模型中共享，但我对这种特殊情况没有任何线索。

我还想知道具有共享层的 Keras 模型是共享相同的计算图还是它们具有独立的计算图。

我将 2 个 Numpy 数组保存为字典。
当我从二进制文件加载数据时，我得到另一个ndarray. 我可以将加载的 Numpy 数组用作字典吗？

这是我的代码和脚本的输出：

import numpy as np

x = np.arange(10)
y = np.array([100, 101, 102, 103, 104, 105, 106, 107])
z = {'X': x, 'Y': y}
np.save('./data.npy', z)
z1 = np.load('./data.npy')
print(type(z1))
print(z1)
print(z1['X']) #this line will generate an error

输出：{'X': array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]), 'Y': array([100, 101, 102, 103, 104, 105 , 106, 107])}