小编Osc*_*anL的帖子

我正在开发一个用 python3.6 编写的 Lambda 函数以进行本地测试，然后在工作后部署到 AWS。为此，我正在使用 PyCharm 的 AWS Serverless Toolkit。

不包含--use-container参数时，SAM 构建无法成功构建。

当“使用容器”复选框被选中时，我可以构建该功能，但我真的不明白为什么没有这个复选框它就无法工作。

我的requirements.txt文件如下：

sagemaker
boto3
pandas
s3fs
numpy
pathlib

带参数：

"C:\Program Files\Amazon\AWSSAMCLI\bin\sam.cmd" build --template C:\Users\------\PycharmProjects\AutomatedSageMakerTraining\template.yaml --build-dir C:\Users\------\PycharmProjects\AutomatedSageMakerTraining\.aws-sam\build --use-container AutomatedSageMakerEvaluation
2019-08-20 09:23:29 Starting Build inside a container
2019-08-20 09:23:30 Building resource 'AutomatedSageMakerEvaluation'

Fetching lambci/lambda:build-python3.6 Docker container image......
2019-08-20 09:23:32 Mounting C:\Users\------\PycharmProjects\AutomatedSageMakerTraining as /tmp/samcli/source:ro,delegated inside runtime container

Build Succeeded

Built Artifacts  : ..\..\..\..\Users\------\PycharmProjects\AutomatedSageMakerTraining\.aws-sam\build
Built Template   : ..\..\..\..\Users\------\PycharmProjects\AutomatedSageMakerTraining\.aws-sam\build\template.yaml

Commands you can use next
=========================
[*] Invoke Function: …

我在 Python 中使用 Selenium 在 Chrome 中执行一些网络抓取。抓取器加载页面，在搜索框中键入搜索，解决基本验证码，抓取数据并重复。

问题

该chrome.exe进程的内存使用不断攀升，而Python和chromedriver.exe工艺具有稳定的内存使用情况。

Chrome 泄漏的内存与加载的页面数成正比，因此在抓取大约 600 个页面后，我的 Chrome 窗口将耗尽内存。“谷歌浏览器在尝试显示此网页时内存不足。”

我的解决方法

解决方法 1：设置计数器以在运行前加载 N 个页面driver.quit()，然后driver = webdriver.Chrome()重新启动浏览器。但是记忆很快又被填满了。

解决方法 2：改用 Firefox 和 gecko webdriver。这具有恒定的内存使用，而不会出现内存泄漏。

版本详情

操作系统：Windows 10 教育版 1909 18363.836

Python版本：3.8.3

硒版本：3.141.0

Chrome 版本：83.0.4103.61（官方版本）（64 位）

Chrome 驱动程序：83.0.4103.39

我有一个来自 4 个温度传感器的数据集，用于测量建筑物内/周围的不同位置：

我正在训练一个模型，该模型采用形状 (96, 4)、4 个传感器的 96 个时间步长的输入。由此我想为每个传感器预测未来 48 个点，形状 (48, 4)。

到目前为止，我有一个实现只能预测一个传感器。我主要遵循TensorFlow 教程中的这一部分。

我的火车 X 的形状为 (6681, 96, 4)，火车 Y 的形状为 (6681, 48)，因为我仅将其限制为一个传感器。如果我只是在训练时将火车 Y 更改为 (6681, 48, 4) 我当然会得到，ValueError: Dimensions must be equal, but are 48 and 4 for 'loss/dense_loss/sub' (op: 'Sub') with input shapes: [?,48], [?,48,4].因为我的模型不期望这种形状。

我陷入困境的地方是我的 LSTM 层的输入/输出形状。我只是不知道如何以 (BATCH_SIZE, 48, 4) 的形状结束。

这是我目前的图层设置：

tf.keras.backend.clear_session()


print("Input shape", x_train_multi.shape[-2:])

multi_step_model = tf.keras.models.Sequential()
multi_step_model.add(tf.keras.layers.LSTM(32,
                                          return_sequences=True,
                                          input_shape=x_train_multi.shape[-2:]))
multi_step_model.add(tf.keras.layers.Dropout(rate=0.5)) # Dropout layer after each LSTM to reduce …