小编san*_*oxj的帖子

如果我只使用这样的单层:

layer = tf.layers.dense(tf_x, 1, tf.nn.relu)

这只是一个单一节点的层吗？

或者它实际上是一组具有1个节点的层(输入,隐藏,输出)？我的网络似乎只用了一层就可以正常工作,所以我很好奇这个设置.

因此,下面的设置是否有2个隐藏层(是layer1和layer2这两个隐藏层)？或者实际上只有1(只layer 1)？

layer1 = tf.layers.dense(tf_x, 10, tf.nn.relu)
layer2 = tf.layers.dense(layer1, 1, tf.nn.relu)

tf_x 是我的输入功能张量.

让我们说我有一节课:

public class Dummy {
    private String name;
    private String someOtherProperty;

    public String getName() {
       return name;
    }
}

我有这个类的ArrayList ArrayList<Dummy> dummyList;

我可以创建一个带有Object name属性作为选择选项的JavaFX ComboBox,而无需ArrayList<String>使用对象名称创建新的吗？

伪代码:

ObservableList<Dummy> dummyO = FXCollections.observableArrayList(dummyList);
final ComboBox combo = new ComboBox(dummyO); // -> here dummyO.name?

(可选)理想情况下,虽然应该显示名称,但是当选择了一个选项时,combo.getValue()应该返回所选Dummy的引用,而不仅仅是名称.那可能吗？

我添加了内置的正则化器tf.contrib.layers.l2_regularizer:

regularizer = tf.contrib.layers.l2_regularizer(scale=0.1)
layer1 = tf.layers.dense(tf_x, 50, tf.nn.relu, kernel_regularizer=regularizer)
layer2 = tf.layers.dense(layer1, 50, tf.nn.relu, kernel_regularizer=regularizer) 
output = tf.layers.dense(layer2, 5, tf.nn.relu)

我为scale(0.1-1)尝试了不同的值,但它似乎没有做太多.我想知道是否必须在其他位置(即优化器,火车等)添加正则化器,或者这可能仅仅是由于我的数据.

我没有调整我的代码中的任何其他位置的正则化器,然后在tf.layers上面.

我想在训练我的神经网络时使用其中一些指标：

METRICS = [
  keras.metrics.TruePositives(name='tp'),
  keras.metrics.FalsePositives(name='fp'),
  keras.metrics.TrueNegatives(name='tn'),
  keras.metrics.FalseNegatives(name='fn'), 
  keras.metrics.Precision(name='precision'),
  keras.metrics.Recall(name='recall'),
  keras.metrics.CategoricalAccuracy(name='acc'),
  keras.metrics.AUC(name='auc'),
]

BATCH_SIZE = 1024
SHUFFLE_BUFFER_SIZE = 4000
train_dataset = tf.data.Dataset.from_tensor_slices((sent_vectors, labels))
train_dataset = train_dataset.shuffle(SHUFFLE_BUFFER_SIZE).batch(BATCH_SIZE)

model = tf.keras.Sequential()
model.add(tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(embed_dim)))
for units in [256, 256]:
    model.add(tf.keras.layers.Dense(units, activation='relu'))
model.add(tf.keras.layers.Dense(4, activation='softmax'))
model.compile(optimizer='adam',
          loss='sparse_categorical_crossentropy',
          metrics=METRICS)
model.fit(
    train_dataset, 
    epochs=100)

但我明白了Shapes (None, 4) and (None, 1) are incompatible。我相信这是因为我正在对 4 个类进行多类分类，但指标是基于二元分类计算的。如何调整我的多类分类代码？

更新：我有兴趣在学习过程中收集指标，例如在Tensorflow 不平衡分类中，而不仅仅是在拟合过程结束时。

附加信息： 我的输入数据是形状为sent_vectors.shape = (number_examples, 65, 300)和 的numpy 数组labels=(number_examples, 1)。我有 4 …

我制作了一个可在单张纸上工作的UDF.多张纸出现问题.如果我在多张纸上有公式,如果我(重新)将它装在一张纸上,它也会改变所有其他纸张的输出.

为什么会这样？我没有使用ActiveWorksheet或Active Cell或类似的.

Function customreturn(security As Range, datacheck As Range) As Variant

    Dim row_num As Integer
    Dim row_num2 As Integer
    Dim price1 As Double
    Dim price2 As Double
    Dim perfo As Double
    Dim blank_end As Boolean

    row_num = security.Row
    col_num = security.Column
    row_num2 = row_num + 1
    col_num2 = datacheck.Column

    If WorksheetFunction.IsError(datacheck.Value) = True Then
        customreturn = "No data"
    Else
        price1 = Cells(row_num, col_num).Value

        Do While WorksheetFunction.IsError(Cells(row_num2, col_num2).Value) = True
            row_num2 = row_num2 + 1
        Loop

        price2 = Cells(row_num2, col_num).Value …

我正在尝试按照sap.ui.table.TreeTable 中的 OData 示例将 OData 绑定到树表

我已经尝试了基本绑定与treeAnnotationPropertiesxml 中的设置和注释绑定（我已经检查了$metadata查询，它有sap:hierarchy-等）。

但是，两次我都得到重复的节点，例如：

Id    | Title     | Hierarchy Level | ParentID 
----------------------------------------------------
1     | izparent  | 0               | 0
|--1  | izparent  | 0               | 0
|  |-- ...
|--2  | izchild   | 1               | 1
2     | izchild   | 1               | 1

我得到一个 ID 为 1 的节点，它是可扩展的，而节点 2 是不可扩展的。但是如果我展开节点 1，我再次得到可展开的节点 1 和节点 2，我可以重复展开节点 1 以获得相同的结果。

我有一种感觉，我有一个与此处类似的问题，但也没有为此提供答案：How to define tree table annotation (XML view)

我正在使用 …

我有多个标签。我有一个EventHandler<MouseEvent>在单击标签（setOnMouseClicked）时启动一个方法（打开一个对话框）的方法。

不过，我还使用 EventHandler 实现了 setOnMousePressed/setOnMouseDragged 方法，以使标签可拖动。

我的问题是，当我在拖动后释放鼠标时，将调用鼠标单击的方法并打开对话框。有没有办法区分这两个事件（即拖动时，不调用单击）？或者是切换到不同组件（按钮）以便我可以区分 MouseEvent 和 ActionEvent 的唯一方法？

我使用卡片组每行显示4张卡片:

<div class="row">
  <div class="card-deck">
    <!-- 4 of these -->
    <div class="card">
      <img class="card-img-top img-adjusted" >
       <div class="card-body">...</div>
    </div>
  </div>
</div>
<div class="row">
  <div class="card-deck">
    <!-- 4 of these -->
    <div class="card">
      <img class="card-img-top img-adjusted" >
       <div class="card-body">...</div>
    </div>
  </div>
</div>
...

每个甲板内的卡片宽度相同,但甲板不是,即第2排甲板比第1排甲板宽.如何让甲板宽度相同？

我尝试过设置.card-decks{width: 100%;},适用于整行,但会扭曲只有1-2张卡的行卡.

附加CSS:我的图像大小不同,这就是我添加以下CSS以使它们相同的原因.没有其他CSS会影响卡:

.img-adjusted{
position: relative;
float: left;
background-position: 50% 50%;
background-repeat:   no-repeat;
background-size:     cover;
}

此外,我想保持风格响应,所以希望避免硬编码像素设置像素宽度.

在调用后尝试第二次打开对话框片段时，出现以下错误this._oDialog.destroy()：

未捕获的类型错误：无法读取 null 的属性“setInitialFocusId”

我的问题就像这里提到的问题：How to clear dialog/xmlfragment content after close? 但是，解决方案显然只是“不要使用属性 setInitialFocus”，我没有在代码中的任何地方使用它。

控制器

openDialog: function() {
  if (!this._oDialog) {
    this._oDialog = sap.ui.xmlfragment("myFragmentPath", this);
    this.getView().addDependent(this._oDialog);
  }
  this._oDialog.open();
},

onExit: function () {
  if (this._oDialog) {
    this._oDialog.destroy();
  }
},

afterClose: function () {
  if (this._oDialog) {
    this._oDialog.destroy();
  }
},

handleClose: function (oEvent) {
  this._oDialog.close();
}

对话片段

openDialog: function() {
  if (!this._oDialog) {
    this._oDialog = sap.ui.xmlfragment("myFragmentPath", this);
    this.getView().addDependent(this._oDialog);
  }
  this._oDialog.open();
},

onExit: function () {
  if (this._oDialog) {
    this._oDialog.destroy(); …

我想使用tensorflow内置的交叉熵函数。但是，在文档中，我正在阅读

不要用 softmax 的输出调用这个操作，因为它会产生不正确的结果。

https://www.tensorflow.org/api_docs/python/tf/nn/softmax_cross_entropy_with_logits

就像经常做的那样，我在最后一个输出层中使用了 softmax 激活，但是：

result = tf.layers.dense(input=dropout, classes_num, tf.nn.softmax)

因此，使用此功能是错误的，还是文档不正确？我不明白这一点，我将感谢一个简短的解释。（那么哪个 TensorFlow 成本函数适合用于 softmax 输出层？）