小编Ome*_*ick的帖子

'没有找到申请.要么在视图函数内部工作,要么推送应用程序上下文.

我正在尝试将Flask-SQLAlchemy模型分成单独的文件.当我试着奔跑时,db.create_all()我得到了No application found. Either work inside a view function or push an application context.

shared/db.py:

from flask_sqlalchemy import SQLAlchemy

db = SQLAlchemy()
Run Code Online (Sandbox Code Playgroud)

app.py:

from flask import Flask
from flask_sqlalchemy import SQLAlchemy
from shared.db import db

app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = 'My connection string'
db.init_app(app)
Run Code Online (Sandbox Code Playgroud)

user.py:

from shared.db import db

class User(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    email_address = db.Column(db.String(300), unique=True, nullable=False)
    password = db.Column(db.Text, nullable=False)
Run Code Online (Sandbox Code Playgroud)

python flask flask-sqlalchemy

27
推荐指数
1
解决办法
2万
查看次数

将 Doctest 与代码一起使用时将实现放在哪里

我在我的 C++ 项目中使用doctest进行测试。

我想将测试代码与我的实现放在一起,正如库所说是可能的,但我似乎不知道如何处理 doctest 实现代码。

我有一个doctest.cpp如下所示的文件:

#define DOCTEST_CONFIG_IMPLEMENT_WITH_MAIN
#include "doctest.h"
Run Code Online (Sandbox Code Playgroud)

Amain.cpp看起来像这样:

#include "thing.h"

int main(int argc, const char *argv[]) {
    do_thing();
}
Run Code Online (Sandbox Code Playgroud)

thing.h是不言自明的,但thing.cpp看起来像这样:

do_thing() {}

TEST_CASE("Test thing") {
    CHECK(1 == 1);
}
Run Code Online (Sandbox Code Playgroud)

CMake 用于创建两个可执行文件,一个Tests可执行文件和一个Main可执行文件。

如果我不包含doctest.cpp在我的项目源中Main,我会收到未定义的引用错误,因为它无法在 doctest.txt 中找到所有测试内容的定义。

但是,如果我确实包含它,我会收到错误,因为一个目标中有多个main()函数。

我在 doctest 文档中找不到任何相关信息。

你打算如何解决这个问题?

c++ doctest cmake

7
推荐指数
1
解决办法
3567
查看次数

训练 DQN 时 Q 值爆炸

我正在训练一个 DQN 来玩 OpenAI 的 Atari 环境,但是我的网络的 Q 值很快就远远超出了实际值。

这是代码的相关部分:

for state, action, reward, next_state, done in minibatch:
        if not done:
            # To save on memory, next_state is just one frame
            # So we have to add it to the current state to get the actual input for the network
            next_4_states = np.array(state)
            next_4_states = np.roll(next_4_states, 1, axis=3)
            next_4_states[:, :, :, 0] = next_state
            target = reward + self.gamma * \
                np.amax(self.target_model.predict(next_4_states))
        else:
            target = reward
        target_f = self.target_model.predict(state)
        target_f[0][action] …
Run Code Online (Sandbox Code Playgroud)

python machine-learning neural-network keras tensorflow

6
推荐指数
1
解决办法
2968
查看次数