小编Dav*_*rks的帖子

如果我有2个div标签:

<div id="parentDiv">
   <div id="childDiv"><!-- other html --></div>
   <!-- parent div html -->
</div>

我希望内容<div id="childDiv">与内容重叠<!-- parent div html -->.

原因(如果这看起来像糟糕的代码设计人):我需要在谷歌网站黑客攻击的解决办法,我不能在侧栏导航添加自定义代码,只在主HTML的空间,我想浮动一个div不带任何空间并将其相对放置在侧杆上以绕过强制限制.

我可以做任何事情,除了停止childDiv占用它的混蛋主页容器中的空间.

在张量流Dataset管道中,我想定义一个自定义映射函数,它接受一个输入元素(数据样本)并返回多个元素(数据样本).

下面的代码是我的尝试,以及期望的结果.

我不能很好地遵循文档,tf.data.Dataset().flat_map()以了解它是否适​​用于此处.

import tensorflow as tf

input = [10, 20, 30]

def my_map_func(i):
  return [[i, i+1, i+2]]       # Fyi [[i], [i+1], [i+2]] throws an exception

ds = tf.data.Dataset.from_tensor_slices(input)
ds = ds.map(map_func=lambda input: tf.py_func(
  func=my_map_func, inp=[input], Tout=[tf.int64]
))
element = ds.make_one_shot_iterator().get_next()

with tf.Session() as sess:
  for _ in range(9):
    print(sess.run(element))

结果:

(array([10, 11, 12]),)
(array([20, 21, 22]),)
(array([30, 31, 32]),)

期望的结果:

(10)
(11)
(12)
(20)
(21)
(22)
(30)
(31)
(32)

我们正在尝试在 plotly-dash 中生成一个实时仪表板，在生成时显示实时数据。我们通常遵循此处的指导（https://dash.plotly.com/live-updates）。

我们有一个回调，它大约每秒从源收集一大块新数据点，然后将数据附加到图形中。

当我们这样做时，对图形的更新是断断续续的，因为我们每秒都在回调上生成一个新的图形对象。我们希望图形流畅地流动，即使这意味着我们比实时数据落后一两秒。

我们正在研究动画（https://plotly.com/python/animations/），但尚不清楚我们如何将动画应用于附加到图形的实时数据流。

环境:Spring 3,自定义事务管理,JDBC事务

我刚刚阅读了有关使用事务模板处理事务管理的Spring文档.它似乎过于复杂,所以我想问:

我的大部分交易都与JDBC有关,这意味着我只是声明@Transactional我的服务.但是现在我正在对另一个需要回滚的站点进行REST服务调用,如果以下任何JDBC操作失败,我将在这种情况下提供回滚代码.

正如我在我的方法进步,在我的交易-我想保存到REST服务调用的引用(回滚操作需要),以及异常时我只是希望有一个方法myCustomRollback()叫可以访问以前存储的对象.

为什么不在transactionTemplate中提供一个映射来存储东西并在@Transactional注释上定义自定义回滚方法？

这就是我想到的方式,我不会按照Spring的想法.有人可以帮助我弥合我想要的东西和我如何在Spring中最有效地完成它之间的差距吗？我只需要为一些特殊情况操作执行此操作.

用户创建帐户后,我想自动登录该用户.

我有标准表单登录由弹簧过滤器处理/postlogin.如果我去http://localhost/postlogin它试图登录我(失败,因为我没有包括post参数),但做出了正确的尝试.

但是如果我想以编程方式记录用户并且我尝试从控制器返回:"forward:/ postlogin"我得到了404.

我假设forward:指令没有通过过滤器,因此没有得到处理UsernamePasswordAuthenticationFilter.

如何以编程方式手动引导登录？我希望在用户创建新帐户后执行此操作(他们应在完成注册后立即登录该帐户).

许多线程可能会填充a HashMap,在某些情况下我需要等待(阻塞)直到HashMap中存在对象,例如:

BlockingConcurrentHashMap map = new BlockingConcurrentHashMap();
Object x = map.getAndWait(key, 1000);    //(object_to_get, max_delay_ms)

想知道这样的事情是否存在,我讨厌重新发明轮子.

如果关闭,请在此处更正我的术语:

XML的5个字符替换是:

• &安培; (&)
• < (<)
• > (>)
• " (")
• 者; (')

所有这些替换都需要在元素文本中进行吗？或者只属性文字？(术语修正？)

例如,这是有效的XML吗？

<myelement>x && y</myelement>
<myelement>And I quote, "no"</myelement>

>并且<看起来很明显在这方面代替,但我不清楚,如果替换规则是全球整个XML文档,或者如果他们不同的适用于文档的不同部分(例如,CDATA部分适用不同的规则).

假设:这是无效的XML:

<myelement field="no & allowed here"/>
<myelement field="no <> allowed here"/>

引号是明显的属性分隔符,<>是元素文本的明显分隔符.

Julia的blas库有一个set_num_threads()为BLAS操作设置线程的函数.

如何获取默认使用的线程数,或者当前？

我比Keras更熟悉张量流图训练，但是我在这里尝试Keras。

在构建GAN时，需要优化发电机，使其免受与鉴别器不同的损耗（相反的损耗）的影响。在基本张量流中，这很容易使用两个优化器或通过调用optimizer.compute_gradients(...)并optimizer.apply_gradients(...)分别使用适当的权重组来实现。

在Keras中，我看不到我可以实现这两个目标。在诸如Keras-GAN的实现中，似乎将生成器和鉴别器的训练划分为单独的模型，然后逐批地进行独立训练。这意味着每次有效更新所需的遍数要比基本tensorflow实现所需的遍数更多，而基本张量流实现需要两个优化器一起运行。

有没有一种方法可以为GAN实施优化器，以使生成器和鉴别器都可以在Keras中一次通过训练？

TF 1.14

我使用 Tensorflow，但我正在为用户编写文档，这些文档通常会因深度学习框架而异。

当处理不适合本地文件系统 (TB+) 的数据集时，我从远程数据存储中采样数据并将样本在本地写入 Tensorflow 标准tfrecords格式。

在训练的第一个 epoch 期间，我将只采样几个值，因此本地数据的epoch非常小，我对其进行训练。在epoch 2 上，我重新检查我的采样子流程（现在更多）生成了哪些数据文件，并在下一个 epoch 的本地数据文件的扩展集上进行训练。每个时期重复该过程。通过这种方式，我建立了一个本地样本缓存，并可以在我填满本地存储时驱逐旧样本。本地样本缓存大约在模型最需要方差的时间增长（朝向训练的后期）。

在 Python/Tensorflow 中，重要的是我不要在 Python 训练循环过程中反序列化数据，因为 Python GIL 无法支持数据传输速率（300-600 MB/秒，数据是原始科学不可压缩的），因此 GPU 性能当 Python GIL 无法快速为训练循环提供服务时，就会受到影响。

将样本tfrecords从子进程（python 多处理）写入文件允许 tensorflow 的本机TFRecordsDataset在 Python 之外进行反序列化，因此我们避开了 Python GIL 问题，并且我可以使 GPU 达到高 IO 数据速率。

我想知道我将如何在 Pytorch 中解决这个问题。我正在撰写有关正在使用的采样策略的文章，并希望向 Tensorflow 和 PyTorch 的用户提供具体的建议，但我对 PyTorch 预处理生态系统的了解不够深入，无法写出足够详细的内容。

旁注：支持这些数据传输率的唯一基于 Python 的解决方案可能来自 Python 3.8，它带有 System V 共享内存和多处理，但我还没有尝试过，因为对它的支持还不够（很快就会）。现有的多处理解决方案是不够的，因为它们需要在训练循环过程中进行反序列化，因此在反序列化期间以高 IO 速率锁定 GIL。