小编Tfo*_*vid的帖子

不同的调用tf.data.Dataset.take()从给定的数据集中返回不同的批次。这些样本是随机选择的还是有其他机制在起作用？

更令人困惑的是，文档没有提及采样的随机性。

我创建了以下 Dockerfile

FROM python
COPY . /home
CMD pip install pandas
CMD mkdir /home/report
CMD mkdir /home/data
CMD python /home/hello.py

hello.py简单的Python脚本在哪里

name = input('What is your Name? ')
print('Nice to meet you', name)

from pandas import read_csv
mydf = read_csv('mycsv.csv')
print(mydf.head())

然后，我使用 构建 Docker 映像并docker build -t myexample .运行它，docker run -it myexample bash以便通过 shell 与其进行交互。构建运行良好，运行时我出现了 shell 提示符，但随后：

• 下没有目录report或data尚未创建/home。
• 最后一个命令python /home/hello.py不会自行执行。我必须自己输入才能让脚本运行。
• 一旦我输入python /home/hello.py，问候和提示输入我的名字的前两行就会正确执行，但随后会出现错误，指出 pandas 未知。
• 直到我手动安装pandas，整个脚本才正确运行。 …

两者之间的区别在我的脑海中模糊不清，尽管在渴望和不渴望之间存在细微差别。据我所知，@tf.function装饰器有两个好处

1. 它将函数转换为 TensorFlow 图以提高性能，并且
2. 通过将许多（但不是全部）常见的 Python 操作解释为张量操作，例如ifintotf.cond等，允许使用更 Pythonic 风格的编码。

从 的定义来看tf.py_function，它似乎只是上面的#2。因此，为什么要费心在tf.py_function什么时候tf.function启动具有性能改进的工作并且前者无法序列化呢？

假设我们有x = ['a', 'b'].

发言内容正在发生什么:

x not in {None, False}

那引起了unhashable type: 'list'错误？

我找到的解决方法是改为:

x != None and x!= False

但我很困惑,因为从数学上讲,两个布尔表达式都是等价的.

例如，我想知道如何可能是scikit-learnPyPi 包的名称，而实际的 Python 模块名为sklearn. 我问的原因是我有一个本地 Python 包packageA，无法上传到 PyPi，因为该名称恰好已被占用。因此我想知道我是否可以将其上传为packageB（实际上可以在 PyPi 上使用）？如果是这样，我该怎么做？