小编Pav*_*vel的帖子

我对Github/VCS很新.

当我尝试在Github上共享我的项目时,我收到以下错误消息.

    Can't finish GitHub sharing process
    Successfully created project 'myproject' on GitHub, but initial push failed:
    remote: error: GH007: Your push would publish a private email address.
    failed to push some refs to 'https://github.com/me/myproject.git'

我用谷歌搜索了错误信息,没有点击.我也搜索过stackexchange,但没有雪茄.关于如何解决这个问题的任何想法？

编写一个bash脚本以连接到gss:http://ws-feed.gdax.com 上的GDAX的Websocket Feed,但curl似乎不支持这个

curl "wss://ws-feed.gdax.com"
curl: (1) Protocol "wss" not supported or disabled in libcurl

做的有什么好处:shm_open跟着一个mmap？
为什么不创建一个常规文件,然后将其传递fd给mmap？
我看不到它的优点shm_open- 这些只是参考,不是吗？

我读过全家人.在我看来,"秘密"在于mmaping动作 - 文件"类型"似乎毫无意义.

任何指针都会很好,尤其是性能帐户.
我的上下文是一个(循环可写的)缓冲区(比如128MB),它将被不断地写成一个进程,并且不断地从另一个进程转发.

举个例子:这个 open/mmap方法有什么问题.

编辑
准确地说,下面的一个比另一个更好:

fd = open("/dev/shm/myshm.file", O_CREAT|O_RDWR, S_IRUSR | S_IWUSR);
mem = mmap(NULL, 4096, PROT_READ|PROT_WRITE, MAP_SHARED, fd, 0);

与

fd = shm_open("/myshm.file", O_RDWR|O_CREATE, S_IRUSR | S_IWUSR);
mem = mmap(...same as before...);

当我在fs open下创建一个带有常规文件的文件/dev/shm,并向其转储了一堆垃圾时,我的可用内存下降了1G,我的可用磁盘空间保持不变.
这两种方法有什么区别？

打字

import this 

将返回Python的Zen,但我似乎找不到有关如何将其设置为等于字符串变量的解决方案,我可以在我的代码中进一步使用...

我只是在查看以下输出，并试图将我的想法围绕在数字上：

==2906== Profiling result:
Time(%)      Time     Calls       Avg       Min       Max  Name
 23.04%  10.9573s     16436  666.67us  64.996us  1.5927ms  sgemm_sm35_ldg_tn_32x16x64x8x16
 22.28%  10.5968s     14088  752.18us  612.13us  1.6235ms  sgemm_sm_heavy_nt_ldg
 18.09%  8.60573s     14088  610.86us  513.05us  1.2504ms  sgemm_sm35_ldg_nn_128x8x128x16x16
 16.48%  7.84050s     68092  115.15us  1.8240us  503.00us  void axpy_kernel_val<float, int=0>(cublasAxpyParamsVal<float>)
...
  0.25%  117.53ms      4744  24.773us     896ns  11.803ms  [CUDA memcpy HtoD]
  0.23%  107.32ms     37582  2.8550us  1.8880us  8.9556ms  [CUDA memcpy DtoH]

...

==2906== API calls:
Time(%)      Time     Calls       Avg       Min       Max  Name
 83.47%  41.8256s     42326  988.18us  16.923us  13.332ms  cudaMemcpy
  9.27%  4.64747s …

我构建了一个通过多线程（通过 Jupyter Notebook、python 2.7、anaconda）启动了 XX 次的刮板（worker）。脚本采用以下格式，如 python.org 所述：

def worker():
    while True:
        item = q.get()
        do_work(item)
        q.task_done()

q = Queue()
for i in range(num_worker_threads):
     t = Thread(target=worker)
     t.daemon = True
     t.start()

for item in source():
    q.put(item)

q.join()       # block until all tasks are done

当我按原样运行脚本时，没有问题。脚本完成后释放内存。

但是，我想运行上述脚本 20 次（排序的批处理），所以我将提到的脚本转换为一个函数，并使用以下代码运行该函数：

def multithreaded_script():
   my script #code from above

x = 0
while x<20:
  x +=1
  multithredaded_script()

每次迭代都会增加内存，最终系统开始将其写入磁盘。

有没有办法在每次运行后清除内存？

我试过：

1. 将所有变量设置为 None
2. sleep(30)在每次迭代结束时设置（以防 ram 需要时间释放）

似乎没有任何帮助。关于在 While 语句中每次运行后我还可以尝试清除内存的其他想法？如果没有，有没有更好的方法来执行我的脚本 XX 次，这不会吃掉 ram？

先感谢您。

我面临一个问题。请帮助我

这是代码：

import pandas
import quandl
import time

df = quandl.get('FINRA/FNSQ_GOOGL')
print(df.head())

我面临的错误是：

Traceback (most recent call last):

  File "C:\Users\Desktop\My Folder\test.py", line 5, in <module>
    df = quandl.get('FINRA/FNSQ_GOOGL')

  File "C:\Python27\lib\site-packages\quandl\get.py", line 48, in get
    data = Dataset(dataset_args['code']).data(params=kwargs, handle_column_not_found=True)

  File "C:\Python27\lib\site-packages\quandl\model\dataset.py", line 47, in data
    return Data.all(**updated_options)

  File "C:\Python27\lib\site-packages\quandl\operations\list.py", line 14, in all
    r = Connection.request('get', path, **options)

  File "C:\Python27\lib\site-packages\quandl\connection.py", line 36, in request
    return cls.execute_request(http_verb, abs_url, **options)

  File "C:\Python27\lib\site-packages\quandl\connection.py", line 50, in execute_request
    raise e

SSLError: HTTPSConnectionPool(host='www.quandl.com', port=443): Max retries …

分析一段numpy代码表明我大部分时间都在这两个函数中

numpy/matrixlib/defmatrix.py.__getitem__:301
numpy/matrixlib/defmatrix.py.__array_finalize__:279

这是Numpy来源:

• https://github.com/numpy/numpy/blob/master/numpy/matrixlib/defmatrix.py#L301
• https://github.com/numpy/numpy/blob/master/numpy/matrixlib/defmatrix.py#L279

问题#1:

__getitem__似乎每当我使用类似的东西时都会调用my_array[arg]它,如果arg不是整数而是切片,它会变得越来越贵.有没有办法加快对数组切片的调用？

例如

for i in range(idx): res[i] = my_array[i:i+10].mean()

问题2:

什么时候__array_finalize__被调用,如何通过减少对此函数的调用次数来加快速度？

谢谢!

我试图在Arduino ide中做一个链表.

代码如下:

typedef struct ll{  
    struct ll * prev;
    unsigned int currTime;
    unsigned int stopTime;
    struct ll * next;
} TIMING;

 TIMING * head;
 TIMING * current;

void setup();
void add_new_first(int stopTimer, TIMING * head);

void main() {
 init();
 setup();
 // Code that uses the def
 head->prev = NULL;  
 head->next = NULL;
 head->currTime = 0;
 head->stopTime = 200;

}

最后还有功能的实际代码.

这个例子给我错误:

service_timer_cpp.cpp:5:34:错误:'TIMING'尚未声明.

当不使用定义的类型作为参数或从函数返回时,它可以正常工作.

这就是我认为它可以在c中完成并且早先为我工作的方式.我不明白为什么它不适用于Arduino环境.

假设我想对关闭灯时记录的数据拟合一条直线。现在我不小心把灯打开了，我的数据从数据点 101 开始有一个恒定的偏移量。

我怎样才能适应这个？我尝试为 x 加入一个条件，但出现错误

ValueError：具有多个元素的数组的真值不明确。使用 a.any() 或 a.all()

请记住取消注释其余代码（以遇到错误）。

import numpy as np
from scipy import optimize
import matplotlib.pyplot as plt

d1 = np.random.normal(0,0.1, 100)
d2 = np.random.normal(3,0.1, 100)

x = np.arange(0,200)
y = np.concatenate((d1,d2))

plt.plot(x, y)

# def line(x, a, b, offset):
#     if x < 101:
#         y = a * x + b
#     else:
#         y = (a * x + b) + offset
#     return y
# 
# popt, pcov = optimize.curve_fit(line, xdata …