小编Sha*_*ang的帖子

因此，我需要在python中进行绘制。我希望删除我的图例的边框。但是，当我尝试其他海报制作的不同解决方案时，他们无法与我合作。请帮忙。

这不起作用：

plt.legend({'z$\sim$0.35', 'z$\sim$0.1','z$\sim$1.55'})
plt.legend(frameon=False)

plt.legend({'z$\sim$0.35', 'z$\sim$0.1','z$\sim$1.55'})
plt.legend.get_frame().set_linewidth(0.0)

plt.legend({'z$\sim$0.35', 'z$\sim$0.1','z$\sim$1.55'}, 'Box', 'off')

另外，在绘制时，我导入了两个不同的文件，并分别用直线和圆将它们绘制成图形。如何在图例键中放置一条线或一个圆？

剧情：

我已将 PyTorch 模型导出到 ONNX。现在，我有办法从 ONNX 模型获取输入层吗？

将 PyTorch 模型导出到 ONNX

import torch.onnx
checkpoint = torch.load("./saved_pytorch_model.pth")
model.load_state_dict(checkpoint['state_dict'])
input = torch.tensor(df_X.values).float()
torch.onnx.export(model, input, "onnx_model.onnx")

加载 ONNX 模型

onnx_model = onnx.load('onnx_model.onnx')

我希望能够以某种方式从 onnx_model 获取输入层。这可能吗？

这是CodePen。我想使整个多维数据集（div）充当超链接。我可以通过环绕它来实现。但是，由于多维数据集具有display: inline-block;，因此超链接实际上也将包装到多维数据集下方。如果将鼠标悬停在多维数据集下方，则可以找到它。

在保持立方体不变的同时，我该怎么做才能消除底部的链接inline-block？

这是代码：

<a href="example.com" target="_blank">
    <div class="cube">
        <div class="flippety">
            <h1>Flippity</h1>
        </div>
        <div class="flop">
            <h2>Flop</h2>
        </div>
    </div>
</a>

/* Set-up */
body {
    color: rgb(6, 106, 117);
    text-transform: uppercase;
    font-family: sans-serif;
    font-size: 100%;
    background: #F4F6F8;
    padding: 3em 0 0 0;
    line-height: 62px;
    -webkit-perspective: 1000px; 
}

/* Container box to set the sides relative to */
.cube {
    display: inline-block;
    width: 30%;
    text-align: center;
    margin: 0 auto;
    height: 200px;

    -webkit-transition: -webkit-transform .33s;
    transition: transform …

我正在尝试通过PyTorch训练分类器。但是，当我向模型提供训练数据时，我遇到了训练问题。我收到此错误y_pred = model(X_trainTensor)：

RuntimeError：标量类型为Float的预期对象，但参数＃4'mat1'的标量类型为Double

这是我的代码的关键部分：

# Hyper-parameters 
D_in = 47  # there are 47 parameters I investigate
H = 33
D_out = 2  # output should be either 1 or 0

# Format and load the data
y = np.array( df['target'] )
X = np.array( df.drop(columns = ['target'], axis = 1) )
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size = 0.8)  # split training/test data

X_trainTensor = torch.from_numpy(X_train) # convert to tensors
y_trainTensor = torch.from_numpy(y_train)
X_testTensor = …

我正在尝试将 LSTM 异常检测 Pytorch 模型导出到 ONNX，但遇到错误。请看下面我的代码。

注意：我的数据形状为 [2685, 5, 6]。这是我定义模型的地方：

class Model(torch.nn.Module):
    def __init__(self, input_dim, hidden_dim, layer_dim):
        super(Model, self).__init__()
        self.hidden_dim = hidden_dim 
        self.layer_dim = layer_dim
        self.lstm = nn.LSTM(input_dim, hidden_dim, layer_dim, batch_first=True)
        self.fc1 = torch.nn.Linear(hidden_dim, hidden_dim)
        self.fc2 = torch.nn.Linear(hidden_dim, input_dim)   
    def forward(self, x):
        h0 = torch.zeros(self.layer_dim, x.size(0), self.hidden_dim).requires_grad_()
        c0 = torch.zeros(self.layer_dim, x.size(0), self.hidden_dim).requires_grad_()
        out, (hn, cn) = self.lstm(x, (h0.detach(), c0.detach()))
        out = self.fc1(out) 
        out = self.fc2(out)
        return out

input_dim = 6
hidden_dim = 3
layer_dim = 2
model = Model(input_dim, hidden_dim, …

所以我从数据文件中插入并获得了一个函数.后来,我使用linspace创建x值,然后插入函数.但是,当我这样做时,x范围扩大到100.我不明白它为什么会这样做.我该怎么解决这个问题？

x = np.loadtxt("/Users/shawn/Desktop/VDFDensityfinalz.dat", unpack = True)
y = np.loadtxt("/Users/shawn/Desktop/VDFDensityfinalshift.dat", unpack = True)
f = interp1d(x, y, kind = 'cubic')
xnew = np.linspace(0.0414, 1.0414,100)
plt.plot(f(xnew))