小编A.R*_*avi的帖子

假设我在Keras有一个LSTM层,如下所示:

x = Input(shape=(input_shape), dtype='int32')

x = LSTM(128,return_sequences=True)(x)

现在我尝试使用以下方法将Dropout添加到此图层:

X = Dropout(0.5)

但是这给出了错误,我假设上面的行正在重新定义X而不是向它添加Dropout.如何解决这个问题？

如果我有一个相当复杂的成本方程，如下所示：

cost = tf.reduce_sum( tf.multiply( y , tf.log(y/abs(yy)))  + \
                      tf.multiply( (1 - y) , tf.log((1-y)/abs(1-yy)) ) )

tensorflow 还会为此找出正确的反向传播方程吗？换句话说，我如何确定梯度计算正确？

在下面的简单示例中，如何使 x 轴刻度值出现在网格之间？

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(1)
x = range(10)
y = np.random.random(10)
plt.plot(x,y)
plt.xticks(x)
plt.grid(True)
plt.show()

以下内容使刻度线位于我想要的位置，但网格线也会移动。

np.random.seed(1)
x = range(10)
y = np.random.random(10)
plt.plot(x,y)
plt.xticks(x)
plt.grid(True)
plt.xticks(np.arange(10)+0.5, x)
plt.show()

我希望结果是：

我有一个散点图，我根据数组为每个数据点着色：

 plt.scatter(xs,ys,c=av,cmap=plt.cm.hot,s=50,alpha=0.5)

In [96]: xs.shape
Out[96]: (5594,)

In [97]: ys.shape
Out[97]: (5594,)

In [98]: av.shape
Out[98]: (5594,)

这是结果：

现在，我想保留颜色但平滑数据点以获得平滑的散点图，如下所示（来自这篇文章）或此图像：

评论：我认为如果我可以添加更多的点，xs, ys, zs我可以用更多的数据点制作散点图，因此，它看起来更像是热图，这就是我想要的。现在，对于 中的每个点xs, ys, zs，我想在原始点周围添加具有相似值的附加点。理想情况下，这些附加点应围绕 中的实际原始点形成正态分布xs, ys, zs。有统计工具可以完成这项任务吗？例如如何更改[1, 5, 10] 为[0.9,0.98,1,1.02,1.1, 4.9,4.98,5,5.02,5.1, 9.9,9.98,10,10.02,10.1]？

我有一个在后台运行的 nohup 作业。它有一个 for 循环，会重复一个任务 10 次。我必须使用“kill”10次才能完全阻止它。有没有更有效的方法来做到这一点？