小编oro*_*ome的帖子

最近,我对OS X(10.10; Python 2.7.6)上运行的一些matplotlib代码进行了简单的更改,注释掉了一行设置我使用的后端

#matplotlib.use('agg')

现在,只要我的代码正在运行,我就会在Dock中获得一个弹跳的Python图标,它没有提供UI,只提供Force Quit ...作为命令:

通常,在没有任何UI的情况下继续弹跳的停靠图标是"坏事".为什么我得到这个,这是我应该关注的事情？

我使用SSH为我的AWS Elastic Beanstalk实例设置了SSH

eb ssh --setup

并且可以成功SSH到我的环境.但我看不到我的Web应用程序.当我连接时,我发现自己在一个空目录(ec2-user)和我

cd /home

我只是看到了

drwx------  3 ec2-user ec2-user 4096 Jan 15 21:37 ec2-user
dr-xr-xr-x 23 root     root     4096 Jan 15 21:03 ..
drwxr-xr-x  3 root     root     4096 Oct 22 23:29 .

我的Web应用程序位于何处？

据我所知,AWS弹性魔豆只需要一个配置文件中的.elasticbeanstalk目录,但(1)当我跑eb config我得到一个额外的文件,myenv.env.yml; (2)我的IDE通过放置来威胁其他重要文件

!.elasticbeanstalk/*.cfg.yml
!.elasticbeanstalk/*.global.yml 

在我的项目中.gitignore.

这些附加文件是什么以及它们起什么作用？我的理解是,这只是 config.yml 重要的,只有它有任何影响.

每当我编译Cython代码(使用pyximport)时,经常在我从源代码安装包时,pip我得到

clang: warning: argument unused during compilation: '-mno-fused-madd'

这是什么警告,我该怎么做才能防止它？我怀疑我可能无法阻止何时pip触发它,但至少有一些方法可以配置pyximport以避免它？

OS X 10.9,Python 2.7.5,Xcode clang 500.2.79

我有一个Pandas数据框,我已将一些列指定为索引:

planets_dataframe.set_index(['host','name'], inplace=True)

并希望能够在各种情况下参考这些指数.使用索引的名称在查询中工作正常

planets_dataframe.query('host == "PSR 1257 12"')

但如果尝试使用它来获取索引值的列表,则会导致错误,因为它是一个列

planets_dataframe.name
#AttributeError: 'DataFrame' object has no attribute 'name'

或者用它来列出结果,因为它是"常规"列

planets_dataframe.query('30 > mass > 20 and discoveryyear > 2009')['name']
#KeyError: u'no item named name'

如何引用我用作索引的数据框的"列"？

之前set_index:

planets_dataframe.columns
# Index([u'name', u'lastupdate', u'temperature', u'semimajoraxis', u'discoveryyear', u'calculated', u'period', u'age', u'mass', u'host', u'verification', u'transittime', u'eccentricity', u'radius', u'discoverymethod', u'inclination'], dtype='object')

之后set_index:

planets_dataframe.columns
#Index([u'lastupdate', u'temperature', u'semimajoraxis', u'discoveryyear', u'calculated', u'period', u'age', u'mass', u'verification', u'transittime', u'eccentricity', u'radius', u'discoverymethod', u'inclination'], dtype='object')

我有一个Python列表,dict每个都有相同的键,

dict_keys= ['k1','k2','k3','k4','k5','k6'] # More like 30 keys in practice
data = []
for i in range(20): # More like 3000 in practice
    data.append({k: np.random.randint(100) for k in dict_keys}) 

并希望用它来创建一个带有密钥子集的相应Pandas数据帧.我目前的方法是一次dict从列表中取出每个,并使用它将其附加到数据框

df = pd.DataFrame(columns=['k1','k2','k5','k6'])
for d in data:
    df = df.append({k: d[k] for k in list(df.columns)}, ignore_index=True)
    # In practice, there are some calculations on some of the values here

但这非常慢(实际列表,它包含的词组,都非常大).

是否有更好,更快(更惯用)的方法来迭代字典列表并将它们作为行添加到Pandas数据帧中？

该~/.cabal/world文件的作用是什么,其内容是什么意思？我找不到任何文件,并对我在那里看到的东西感到困惑.

例如,它对应于我的用户数据库中的包和我的全局包数据库,虽然它似乎只列出了我的用户数据库中的一些包,但它列出了一些我已经"删除"的包ghc-pkg unregister.

我不能让TensorFlow RELU激活(既不是tf.nn.relu也没有tf.nn.relu6)在没有NaN值的情况下进行激活和权重杀死我的训练运行.

我相信我正在遵循所有正确的一般建议.例如,我用我的初始化我的权重

weights = tf.Variable(tf.truncated_normal(w_dims, stddev=0.1))
biases = tf.Variable(tf.constant(0.1 if neuron_fn in [tf.nn.relu, tf.nn.relu6] else 0.0, shape=b_dims))

并使用较慢的训练率,例如,

tf.train.MomentumOptimizer(0.02, momentum=0.5).minimize(cross_entropy_loss)

但任何可观深度的网络都会导致NaN成本和至少一些权重(至少在它们的摘要直方图中).事实上,成本通常NaN是从一开始(训练前).

即使我使用L2(约0.001)正则化和辍学(约50%),我似乎也有这些问题.

是否有一些参数或设置我应该调整以避免这些问题？我不知道哪里开始寻找,所以任何建议都将不胜感激!

为了将一个简单的值记录val到我需要的TensorBoard摘要中

val = 5
test_writer.add_summary(sess.run(tf.scalar_summary('test', val)), global_step)

是

sess.run(tf.scalar_summary('test', val))

真的有必要val作为摘要添加？

如何logo在shields.io徽章中使用该选项？

例如,像

没有给出预期的结果.