小编Gab*_*ele的帖子
如何用seaborn绘制阴影误差带？
我希望创建如下图，其中显示一些值和标准差。
我有两组值，包含通过两种不同方法获得的平均值和标准差。我想过用seaborn来做这件事，但我不知道到底该怎么做，因为官方示例使用了我不熟悉的 pandas DataFrame 对象。
作为示例，请考虑以下起始代码：
import seaborn as sns
mean_1 = [10, 20, 30, 25, 32, 43]
std_1 = [2.2, 2.3, 1.2, 2.2, 1.8, 3.5]
mean_2 = [12, 22, 30, 13, 33, 39]
std_2 = [2.4, 1.3, 2.2, 1.2, 1.9, 3.5]
谢谢你，
G。
推荐指数
解决办法
查看次数
通过嵌套 tf.map_fn 反向传播梯度
我想在与维度为[batch_size, H, W, n_channels]的矩阵中每个像素的深度通道相对应的每个向量上映射一个 TensorFlow 函数。
换句话说，对于批次中大小为H x W的每个图像：
- 我提取一些具有相同大小H x W的特征图F_k （其数量为 n_channels） （因此，特征图一起是形状为[H, W, n_channels]的张量；
- 然后，我希望将自定义函数应用于与每个特征图F_k的第 i行和第 j列相关联的向量v_ij，但探索整个深度通道（例如v的尺寸为[1 x 1 x n_channels]）。理想情况下，所有这些都会并行发生。
下面有一张解释该过程的图片。与图片的唯一区别是输入和输出“感受野”的大小均为 1x1（独立地将函数应用于每个像素）。
这类似于对矩阵应用 1x1 卷积；但是，我需要在深度通道上应用更通用的函数，而不是简单的求和运算。
我认为tf.map_fn()可能是一个选项，我尝试了以下解决方案，其中我递归地使用tf.map_fn()来访问与每个像素相关的功能。然而，这种似乎不是最优的，最重要的是，它在尝试反向传播梯度时会引发错误。
您知道发生这种情况的原因以及我应该如何构建代码以避免错误吗？
这是我当前对该功能的实现：
import tensorflow as tf
from tensorflow import layers
def apply_function_on_pixel_features(incoming):
# at first the input is [None, W, H, n_channels]
if len(incoming.get_shape()) > 1: …推荐指数
解决办法
查看次数
Linux bash 中的 python zip() 函数等效于什么？
我想迭代 bash 中的成对元素。在 Python 中，这很简单：
x_list = [1, 2, 3, 4]
y_list = ["a", "b", "c", "d"]
for x, y in zip(x_list , y_list):
# here we have access to the values (i.e. the pairs are assigned to variables):
result = do_something(x, y)
print(result)
我如何在 bash 中复制这种行为？我需要将这些对的值存储到 for 循环内部的变量中，以便我可以执行一些操作。它应该是这样的：
for x, y in 1a 2b 3c 4d
do
python script.py --x_value=${x} --y_value=${y}
done
请注意，列表的元素也可能是复杂的东西，例如：
x_list = [1e-5, 1e-4, 1e-3]和y_list = [10, 20, 30]
推荐指数
解决办法
查看次数
标签 统计
bash ×1
gradient ×1
loops ×1
map-function ×1
nested ×1
plot ×1
python ×1
seaborn ×1
tensorflow ×1