小编Jaf*_*son的帖子

我上次采访时遇到的一个问题:

设计一个函数f,这样:

f(f(n)) == -n

Run Code Online (Sandbox Code Playgroud)

哪里n是32位有符号整数 ; 你不能使用复数运算.

如果您无法为整个数字范围设计此类功能,请将其设计为可能的最大范围.

有任何想法吗？

我在android视图中经常遇到问题Error parsing XML: unbound prefix on Line 2.

<?xml version="1.0" encoding="utf-8"?>
<LinearLayout android:orientation="vertical" android:id="@+id/myScrollLayout" 
android:layout_width="fill_parent"  android:layout_height="wrap_content">
    <TextView android:layout_height="wrap_content" android:layout_width="fill_parent" 
    android:text="Family" android:id="@+id/Family" 
    android:textSize="16px" android:padding="5px" 
    android:textStyle="bold" android:gravity="center_horizontal">
    </TextView>

    <ScrollView xmlns:android="http://schemas.android.com/apk/res/android"
        android:layout_width="fill_parent" android:layout_height="wrap_content"
        android:orientation="vertical" android:scrollbars="vertical">
        <LinearLayout android:orientation="vertical" android:id="@+id/myMainLayout" 
        android:layout_width="fill_parent"  android:layout_height="wrap_content">
        </LinearLayout>
    </ScrollView>

</LinearLayout>

以下代码是否有其他替代方法:

startFromLine = 141978 # or whatever line I need to jump to

urlsfile = open(filename, "rb", 0)

linesCounter = 1

for line in urlsfile:
    if linesCounter > startFromLine:
        DoSomethingWithThisLine(line)

    linesCounter += 1

如果我正在(~15MB)使用未知但不同长度的行处理一个巨大的文本文件,并且需要跳转到我事先知道的特定行？当我知道我至少可以忽略文件的前半部分时,我会逐个处理它们.寻找更优雅的解决方案,如果有的话.

目前我正在为一位朋友创建一个小应用程序,他开始攻读博士学位并需要构建一些网络图.到目前为止,使用Force Directed图表一切正常.可以移动图形节点以设置布局样式.

我无法理解的是:

»如何从画布中提取数据并将其保存到SVG文件«.

我尝试了什么:

我已经尝试从控制台访问图像数据了

var app.canvas = document.getElementById( 'graph-canvas' )
    .getContext( '2d' )
        .getImageData( 0, 0, 200, 200 );

得到了一个(object) ImageData回报.现在我可以访问↑显示的画布数据了app.canvas.data.(当我尝试查找值时,浏览器开始挂起并询问是否应停止脚本 - Chrome&FF最新版).

我如何从这里获取SVG,然后通过单击按钮保存？

编辑:

到目前为止,我发现了如何绘制SVG并image/png为其添加元素.但是,它没有显示.

// Add the test SVG el:
var svg = document.createElementNS( "http://www.w3.org/2000/svg", "svg" );
svg.setAttribute( 'style', 'border: 1px solid black;' )
        .setAttribute( 'width', '600' )
        .setAttribute( 'height', '400' )
        .setAttributeNS(
            'http://www.w3.org/2000/xmlns/',
            'xmlns:xlink',
            'http://www.w3.org/1999/xlink'
        );

// Call
importCanvas( document.getElementById( 'infovis-canvas' ), svg ); 

// Function: Add data …

当我第一次看到C#时,我觉得这肯定是个玩笑.我开始用C语言编程.但是在C#中你可以拖放对象,然后只为它们编写事件代码.这很简单.

现在,我仍然最喜欢C,因为我非常喜欢基本的低级操作,而C只是下一级汇编程序,几乎没有基本的例程,所以我非常喜欢它.更多是因为我为微控制器编写了很少的应用程序.

但昨天我在asm中为基于微控制器的LED立方体编写了非常简单的控制程序,我需要一些方法来简单地为Cube创建动画序列.所以,我记得C#.我几乎没有C#技能,但我仍然创建了简单的程序,用GUI在大约一小时内完成动画序列,只需谷歌的帮助和C#中嵌入的功能描述的帮助.

那么,为了达到这一点,还有其他原因,那么最高速度,使用除C#之外的任何其他语言？我的意思是,它是如此有效.我知道Java有点类似,但我希望C#更直接来自微软,因此更有效.

第二个问题是,编译成CIL,而不是运行CLR,直接将其编译成机器代码有什么好处？我知道可移植性是一个,但由于C#主要用于Windows,直接编译它不会更强大吗？谢谢.

我有这样的下载链接:

<a href="foo.xls" download="bar.xls">Foobar</a>

这在同一服务器上下载文件时工作正常,但是当从另一台服务器下载(在这种情况下为Azure blob存储)时,文件名保持为"foo.xls",即使HTTP响应带有以下标头:

Access-Control-Allow-Origin:*

这是设计还是我可以添加到HTTP响应的另一个标题,以使其工作？

我试图将Django项目从1.8版带到1.11版.除了单元测试之外,几乎所有东西看起来都很好.我们有一个基础测试类继承自Django TestCase和Tastypie mixin.基类在setUp()中有一些代码

class BaseApiTest(ResourceTestCaseMixin, django.test.TestCase):
    def setUp(self):
        super().setUp()
        self.username = "secret_user"
        self.password = "sekret"
        self.email = "secret@mail.com"
        self.first_name = "FirstName"
        self.last_name = "LastName"
        self.user = User.objects.create_superuser(
            self.username,
            self.username,
            self.password
        )

应用程序特定的测试将继承基本测试并执行类似的操作

class TheAPITest(BaseApiTest):
    def setUp(self):
        super().setUp()
        # more setup goes here

所以,在Django 1.8.x下,这很好用.但是在1.11.x下,所有这些都给我一个错误User.objects.create_superuser() line.

django.db.utils.InterfaceError: connection already closed

我一直在阅读发行说明,但是在1.8和1.11之间发生了太多的事情.我缺少一些简单的东西吗？

我创建了一个类似于以下的套接字文件,并希望MQL5必须读取套接字的输出.请参阅以下python代码;
daemon.py

import socket
#import arcpy

def actual_work():
    #val = arcpy.GetCellValue_management("D:\dem-merged\lidar_wsg84", "-95.090174910630012 29.973962146120652", "")
    #return str(val)
    return 'dummy_reply'


def main():
    sock = socket.socket( socket.AF_INET, socket.SOCK_DGRAM )
    try:
        sock.bind( ('127.0.0.1', 6666) )

        while True:
            data, addr = sock.recvfrom( 4096 )
            reply = actual_work()
            sock.sendto(reply, addr)
    except KeyboardInterrupt:
        pass
    finally:
        sock.close()


if __name__ == '__main__':
    main()

client.py

import socket
import sys


def main():
    sock = socket.socket( socket.AF_INET, socket.SOCK_DGRAM )
    sock.settimeout(1)
    try:
        sock.sendto('', ('127.0.0.1', 6666))
        reply, _ = sock.recvfrom(4096)
        print reply
    except socket.timeout: …

start.py代码如下.

import threading
class myThread(threading.Thread):
        def __init__(self, threadID, name):
                threading.Thread.__init__(self)
                self.threadID = threadID
                self.name = name

        def run(self):
                currentThreadname = threading.currentThread()
                print "running in ", currentThreadname

thread = myThread(1,"mythrd")
thread.start()

用python启动它两次.

python start.py
running in  <myThread(mythrd, started 140461133485824)>
python start.py
running in  <myThread(mythrd, started 140122860668672)>

run.py代码如下.

import threading
class myThread(threading.Thread):
        def __init__(self, threadID, name):
                threading.Thread.__init__(self)
                self.threadID = threadID
                self.name = name

        def run(self):
                currentThreadname = threading.currentThread()
                print "running in ", currentThreadname

thread = myThread(1,"mythrd")
thread.run()

run.py只有一行不同于start.py.
现在启动run.py两次.

python  run.py
running …

这是我的代码,训练完整的模型并保存它:

num_units = 2
activation_function = 'sigmoid'
optimizer = 'adam'
loss_function = 'mean_squared_error'
batch_size = 10
num_epochs = 100

# Initialize the RNN
regressor = Sequential()

# Adding the input layer and the LSTM layer
regressor.add(LSTM(units = num_units, activation = activation_function, input_shape=(None, 1)))

# Adding the output layer
regressor.add(Dense(units = 1))

# Compiling the RNN
regressor.compile(optimizer = optimizer, loss = loss_function)

# Using the training set to train the model
regressor.fit(x_train, y_train, batch_size = batch_size, epochs = num_epochs)
regressor.save('model.h5')

在那之后,我已经看到大多数时候人们建议测试数据集来检查我已经尝试过的预测并获得了良好的结果. …