小编trd*_*ngy的帖子

两个简单的问题,我无法通过阅读文档解决:

1. 我有一个 byte[]
   • 我怎么能把它转换成ByteBuf？
2. 我有一个NIO ByteBuffer
   • 我怎么能把它转换成ByteBuf？

import tensorflow as tf
x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')
# model = tf.global_variables_initializer()
with tf.Session() as session:
        print("x = ", session.run(x)) 
        # session.run(model)
        print("y = ", session.run(y))

我无法理解何时global_variables_initializer()需要.在上面的代码中,如果我们取消注释第4和第7行,我可以执行代码并查看值.如果我按原样运行,我会看到崩溃.

我的问题是它正在初始化哪些变量.x是一个不需要初始化的常量,是一个y未被初始化但用作算术运算的变量.

我正在使用TensorFlow培训CNN用于医学图像应用.

由于我没有大量数据,因此我试图在训练循环期间对我的训练批次应用随机修改,以人为地增加我的训练数据集.我在不同的脚本中创建了以下函数,并在我的训练批处理中调用它:

def randomly_modify_training_batch(images_train_batch, batch_size):

    for i in range(batch_size):
        image = images_train_batch[i]
        image_tensor = tf.convert_to_tensor(image)

        distorted_image = tf.image.random_flip_left_right(image_tensor)
        distorted_image = tf.image.random_flip_up_down(distorted_image)
        distorted_image = tf.image.random_brightness(distorted_image, max_delta=60)
        distorted_image = tf.image.random_contrast(distorted_image, lower=0.2, upper=1.8)

        with tf.Session():
            images_train_batch[i] = distorted_image.eval()  # .eval() is used to reconvert the image from Tensor type to ndarray

return images_train_batch

该代码适用于对我的图像应用修改.

问题是 :

在我的训练循环(feedfoward + backpropagation)的每次迭代之后,将相同的功能应用于我的下一个训练批次比上一次稳定地花费5秒.

处理过程大约需要1秒钟,经过10多次迭代后,处理时间超过一分钟.

是什么导致这种放缓？我该怎样预防呢？

(我怀疑有些东西,distorted_image.eval()但我不太确定.我每次都打开一个新的会话？TensorFlow不应该自动关闭会话,因为我在"with tf.Session()"块中使用？)

我已从此链接下载了 MAT ，只需解压 zip 文件即可使用。然后，当我执行时MemoryAnalyzer.exe，我得到了这个错误

我的%JAVA_HOME%已经是C:\Program Files\Java\jdk1.8.0_251了

你们能帮我吗？

目前,我试图了解@Injectable和@Tested注释是如何工作的.我已经做了一些测试并理解了这个概念,但我没有得到如何在现实世界的应用程序中使用这些注释.

假设我们正在开发一个依赖于Web服务的语言翻译器类.Web服务方法封装在一个单独的类中:

// class to test
public class Translator() {
    private TranslatorWebService webService;

    public String translateEnglishToGerman(String word){
        webService = new TranslatorWebService();
        return webService.performTranslation(word);
    }
}

// dependency
public class TranslatorWebService {
    public String performTranslation(String word){
    // perform API calls    
    return "German Translation";
    }
}

为了Translator独立测试该类,我们想模拟TranslatorWebService该类.根据我的理解,测试类应该如下:

public class TranslatorTest {
    @Tested private Translator tested;
    @Injectable private TranslatorWebService transWebServiceDependency;

    @Test public void translateEnglishToGerman() {
        new Expectations() {{
            transWebServiceDependency.performTranslation("House");
            result = "Haus";
        }};

        System.out.println(tested.translateEnglishToGerman("House"));
    } …

我想使用我的神经网络而不再训练网络.我读到了

save_path = saver.save(sess, "model.ckpt")
print("Model saved in file: %s" % save_path)

现在我把文件夹中的3个文件:checkpoint,model.ckpt,和model.ckpt.meta

我希望,在python的另一个类中恢复数据,获得我的神经网络的权重并进行单一预测.

我怎样才能做到这一点？

对于我的应用程序,我试图将列表转换[None, 1, 1, 64]为张量使用tf.convert_to_tensor([None, 1, 1, 64]),但这给了我错误:

TypeError: Failed to convert object of type <type 'list'> to Tensor. Contents: [None, 1, 1, 64]. Consider casting elements to a supported type.

理想情况下,我想None成为第一个维度,因为它代表了batch_size.目前,我唯一可以避免此错误的方法是明确地将batch_size提供给操作,但我希望有一种更简洁的方法将这样的列表转换为张量.

首先，我定义了一个类，比如说Robot.

public class Robot {

    private Vision vision;

    public Object recognizeObject(List<List<Integer>> frames) {
        vision = new Vision();
        return vision.recognize(frames);
    }
}

的类Robot有几个依赖项，其中之一是Vision.

public class Vision {

    public Object recognize(List<List<Integer>> frames) {
        // do magic stuff, but return dummy stuff
        return null;
    }

}

然后在测试类中，我简单地测试了recognize().

@RunWith(JMockit.class)
public class RobotTest {

    @Test
    public void recognizeObjectWithMocked(@Mocked final Vision vision) {
        List<List<Integer>> frames = new ArrayList<>();
        vision.recognize(frames);

        new Verifications() {{
            vision.recognize((List<List<Integer>>) any);
            times = 1;
        }}; …

据说我有以下方法

public static Stream<CompletableFuture<String>> findPricesStream(String product) {}

该方法将寻找给定 a 的最便宜价格product，并返回 CompletableFuture 流。

现在我想在流中的值可用时立即对其做出反应。为此，我采用的方法thenAccept和实现可以如下

    1. public static void reactToEarliestResultWithRaw() {
    2.     long start = System.nanoTime();
    3.     CompletableFuture[] priceFuture = findPricesStream(WHATEVER_PRODUCT_NAME)
    4.             .map(completableFuture -> completableFuture.thenAccept(
    5.                     s -> System.out.println(s + " (done in " + (System.nanoTime() - start) / 1_000_000 + " msecs)")))
    6.             .toArray(CompletableFuture[]::new);
    7.     CompletableFuture.allOf(priceFuture).join();
    8.     System.out.println("All shops have now responded in " + (System.nanoTime() - start) / 1_000_000 + " msecs");
    9. }

通过这个实现，我得到了所需的输出

LetsSaveBig …

我想使用扩展angular-material-extensions/select-country。安装说明来自此处，https://github.com/angular-material-extensions/select-country。

我确实按照说明进行操作：通过 npm 安装，结果如下所示

如您所见，它无法显示相应的国家国旗。我收到错误

错误错误：检索图标时出错：zm！http://localhost:4200/assets/svg-country-flags/svg/zm.svg 的 HTTP 失败响应：404 Not Found

我猜问题是应用程序无法找到图像所在的位置。但我真的不知道如何解决这个问题。

我要去Tensorflow的教程.

我想显示的变量的值W和b,它们是重量和偏压分别和占位符x,y通过利用print.

可以显示吗？

print x,y,b,W

我目前看到的如下

Tensor("Placeholder:0", shape=TensorShape([Dimension(None), Dimension(784)]), dtype=float32)
Tensor("Softmax:0", shape=TensorShape([Dimension(None), Dimension(10)]), dtype=float32)
tensorflow.python.ops.variables.Variable object at 0x1006b0b90>
tensorflow.python.ops.variables.Variable object at 0x101b76410>

我通过集成 Swagger 文档实现了一个简单的服务器。我的简单代码如下

const http = require('http');
const express = require('express');
const swaggerUi = require('swagger-ui-express');
const bodyParser = require('body-parser');
const YAML = require('yamljs');

const serverPort = 8080;
const app = express();

const swaggerDoc = YAML.load('./api/swagger.yaml');

app.use('/api-docs', swaggerUi.serve, swaggerUi.setup(swaggerDoc));
app.use(bodyParser.urlencoded({
  extended: false,
}));
app.use(bodyParser.json());

http.createServer(app).listen(serverPort, function () {
  console.log('Your server is listening on port %d (http://localhost:%d)', serverPort, serverPort);
  console.log('Swagger-ui is available on http://localhost:%d/docs', serverPort);
});

执行后node server.js，我访问http://localhost:8080/docs并得到

Cannot GET /docs/

当然我swagger.yaml里面已经有文件了/api。请问这个问题有什么解决办法吗？