小编ryo*_*ryo的帖子

根据deeplearning教程:

python中的自由能量是

def free_energy(self, v_sample):
    ''' Function to compute the free energy '''
    wx_b = T.dot(v_sample, self.W) + self.hbias
    vbias_term = T.dot(v_sample, self.vbias)
    hidden_term = T.sum(T.log(1 + T.exp(wx_b)), axis=1)
    return -hidden_term - vbias_term

我不是很擅长python,基本上它将每个可见单元的产品专家作为向量wx_b,计算exp和加1,计算log并将其与隐藏项相加.

我认为这与学习深度架构中的自由能方程略有不同:

FreeEnergy(x)= -b'x - ΣlogΣe^ hi(ci + Wix).

哪里:

• hi是单位i隐藏层,
• ci是i向量c中的隐藏偏差.

它计算exp和sum,计算log值对和值的影响.毕竟根据可见单位的数量总结所有产品专家.

上面的等式是来自Learning Deep Architectures for AI(Yoshua Bengio)的eq.5.21

下面是我的java实现草案,vis_v是可见层样本,hid_v是隐藏层单元样本.

private double freeEnergy(RealVector vis_v, RealVector hid_v){
 RealVector wx_hb= W.preMultiply(vis_v).add(hBias);
 double vbias_term= vis_v.dotProduct(vBias);
 double sum_hidden_term = 0;
 for(int i=0;i< …

我已经能够将元素拖放到同一张纸中.现在我需要能够将raphael元素从一个纸容器拖放到另一个纸容器中.这是一个例子:

从第一个svg拖到第二个svg

html中的第一个svg元素

<svg style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);" xmlns="http://www.w3.org/2000/svg" version="1.1" width="500" height="260">
  <rect style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);" x="10" y="15" width="64" height="64" r="5" rx="5" ry="5" fill="#ffc0cb" stroke="#000">
  </rect>
</svg>

html中的第二个svg元素

<svg style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);" </svg>

首先,有可能吗？如果可能的话,请给我一些线索如何做到这一点.谢谢!

我是AWSGlue的新手.我正致力于使用AWSGlue将原始cloudwatch json转换为csv.转换脚本非常简单,但文档和示例似乎并不全面.数据结构是这样的:

{
"Label": "RequestCount",
"Datapoints": [
    {
        "Timestamp": "2017-07-23T00:00:00Z",
        "Sum": 41960.0,
        "Unit": "Count"
    },
    {
        "Timestamp": "2017-07-30T00:00:00Z",
        "Sum": 46065.0,
        "Unit": "Count"
    },
    {
        "Timestamp": "2017-08-24T00:00:00Z",
        "Sum": 43915.0,
        "Unit": "Count"
    },

棘手的部分是将它从单个动态帧(标签,字符串,数据点阵列)转换为动态帧(Timestamp,string,Sum,Double,Unit,String).我不确定在动态数据帧中使用哪种方法.