小编gen*_*ted的帖子

我想检查一个列表(或一个矢量,等价)是否包含在另一个列表中,而不是它是否是它的子集.让我们假设我们有

r <- c(1,1)
s <- c(5,2)
t <- c(1,2,5)

该函数应该表现如下:

is.contained(r,t) 
[1] FALSE
# as (1,1) is not contained in (1,2,5) since the former 
# contains two 1 whereas the latter only one.

is.contained(s,t)
[1] TRUE

操作员%in%检查子集,因此TRUE在两种情况下都会返回,同样all或any.我确信有一个单行,但我只是没有看到它.

我正在向CRAN提交一份包裹,我收到了审核小组的以下警告:

包具有VignetteBuilder字段,但没有预先构建的晕影索引.

事实上我在跑步时也看到过devtools::release().我正在使用上一个R版本,R version 3.3.1并具有以下.Rmd插图来源:

---
date: "`r Sys.Date()`"
output: rmarkdown::html_vignette
vignette: >
  %\VignetteIndexEntry{<my vignette title>} 
  %\VignetteEngine{knitr::knitr}
  %\usepackage[utf8]{inputenc}
--- 

此外,我已按默认方式包含knitr在DESCRIPTION文件中:

Suggests:
    knitr
VignetteBuilder:
    knitr

我环顾四周,虽然问题似乎很常见,但我还是无法理解索引为什么不构建(以及如何强制构建它).

这个问题和其中的链接是谷歌的顶级结果,但没有解决问题.

我正在尝试将 PyTorch 功能合并到一个scikit-learn环境中（特别是 Pipelines 和 GridSearchCV），因此一直在研究skorch. 神经网络的标准文档示例如下所示

import torch.nn.functional as F
from torch import nn
from skorch import NeuralNetClassifier

class MyModule(nn.Module):
    def __init__(self, num_units=10, nonlin=F.relu):
        super(MyModule, self).__init__()

        self.dense0 = nn.Linear(20, num_units)
        self.nonlin = nonlin
        self.dropout = nn.Dropout(0.5)
        ...
        ...
        self.output = nn.Linear(10, 2)
    ...
    ...

您可以通过将输入和输出维度硬编码到构造函数中来显式传递它们。然而，这并不是scikit-learn接口真正的工作方式，其中输入和输出维度是由fit方法派生的，而不是显式传递给构造函数。作为一个实际的例子考虑

# copied from the documentation
net = NeuralNetClassifier(
    MyModule,
    max_epochs=10,
    lr=0.1,
    # Shuffle training data on each epoch
    iterator_train__shuffle=True,
)

# any general Pipeline interface
pipeline …