小编Seb*_*ian的帖子

我试着跑

#!/usr/bin/env python

import os
from numpy import *

b= ones((3, 3))  
print b  
save('fff',  b)  
a = load('fff.npy')  
print a.shape  
print 'fertig'

但它引起了:

Traceback (most recent call last):  
  File "savetest.py", line 9, in <module>  
    a = load('fff.npy')  
  File "/usr/lib/python2.6/dist-packages/numpy/lib/io.py", line 195, in load  
    return format.read_array(fid)  
  File "/usr/lib/python2.6/dist-packages/numpy/lib/format.py", line 353, in read_array  
    shape, fortran_order, dtype = read_array_header_1_0(fp)  
  File "/usr/lib/python2.6/dist-packages/numpy/lib/format.py", line 250, in   read_array_header_1_0  
    d = safe_eval(header)  
  File "/usr/lib/python2.6/dist-packages/numpy/lib/utils.py", line 840, in safe_eval  
    ast = compiler.parse(source, "eval")  
  File "/usr/lib/python2.6/compiler/transformer.py", line 53, …

在我的理解中，epoch 是在整个数据集上任意频繁地重复运行，然后分部分处理，即所谓的批处理。每次train_on_batch计算损失后，权重都会更新，下一批将获得更好的结果。这些损失是我对神经网络质量和学习状态的指标。

在几个来源中，每个时期都会计算（并打印）损失。因此，我不确定我这样做是否正确。

目前我的 GAN 看起来像这样：

for epoch:
  for batch:

    fakes = generator.predict_on_batch(batch)

    dlc = discriminator.train_on_batch(batch, ..)
    dlf = discriminator.train_on_batch(fakes, ..)
    dis_loss_total = 0.5 *  np.add(dlc, dlf)

    g_loss = gan.train_on_batch(batch,..)

    # save losses to array to work with later

这些损失是针对每个批次的。我如何在一个时代获得它们？顺便说一句：我需要一个时代的损失，为了什么？

我正在尝试使用Fortan90验证目录是否存在.在我发现的各种网站上:

logical :: dir_e
inquire(file='./docs/.', exist=dir_e)

if ( dir_e ) then
  write(*,*) "dir exists!"
else
  ! workaround: it calls an extern program...
  call system('mkdir docs')
end if

但是,inquire返回False目录是否存在,如果我执行此代码两次,我收到一条错误消息

无法制作dir,文件已经存在

如果我使用:

inquire(file='./docs/test', exist=dir_e)

使用现有文件测试,inquire返回true.

如何检查目录的存在？我正在使用ubuntu 11.04和ifort编译器.

我想绘制概率函数(如二项分布),但我找不到返回给定参数概率的函数.要自己编写,我需要二项式系数(我可以自己写),我也没有找到函数.有这么简单和/或容易吗？
澄清一下:我不想画直方图,我不想在一条线上画一条线.

我想编写一个接受用户输入的程序。到目前为止我很好。但是用户输入的数量会失控，并且在调试时手动完成是不切实际的。有没有可能让 eclipse 为我做用户输入？如果是，它看起来如何？用户输入是一堆以不同方式分隔的整数。有没有办法继续使用扫描仪，因为我也想测试扫描仪？