小编Tur*_*eny的帖子

在linux中,我可以通过获取/ dev/shm目录列表获得打开的posix共享内存段的列表.

我如何以编程方式获取FreeBSD中所有打开的posix共享内存段的列表？假设使用shm_open打开了段,我甚至不知道用作shm_open的第一个参数的名称的一部分.

我对OpenID OAuth的东西有点困惑.(通过OAuth - 我的意思是OAuth 2.0此处及以后)

我的目标是使用OpenID(或OAuth)身份验证以及旧版电子邮件+密码身份验证创建网站.该网站将在django框架上.(python)我理解OAuth和OpenID之间的区别以及授权和身份验证之间的区别.
我的主要目标是使用谷歌身份提供商实施openid登录.

登录和注册流程必须与许多站点一样.正如我所见:

注册场景:

1)用户输入openid url(点击google按钮)

2)用户被重定向到auth提供商(谷歌)页面说:"很棒的网站"要求你:电子邮件,语言,国家......

3)用户说是..重新定向到幕后"真棒网站"使用访问令牌重试电子邮件语言和其他用户信息

4)用户填写个人资料中需要的其他资料..这就是..他现在注册了.

登录方案:

1)用户输入openid url(点击google按钮)

1.a)如果用户已登录auth提供程序嗯...我不清楚..但不知何故用户登录而不显示提供者页面(也许它快速关闭？)

1.b)如果用户未登录提供者,则提供者显示登录页面并在成功时重定向回到真棒网站.

因为我必须得到一些用户数据,在我看来,我必须使用:OAuth或混合(OpenID + OAuth扩展)协议.

我不清楚的事情:

1. 我如何得到我需要的信息的范围..我搜索但无法找到..发现在someones博客"https://www.googleapis.com/auth/userinfo#email"的电子邮件,但如何用户语言,国家..等等......哪里有记录？
2. 如果我将使用OAuth - 它是否足以同时执行 - 注册和登录,或者我将需要获取用户数据wuth OAuth并使用OpenID登录？
3. 在我的场景中使用OAuth 2.0是否可以？或者使用1.0会更简单,因为我在初始帐户注册后不再需要用户数据了？(我认为1.0更复杂,因为它有3个阶段......但是2.0更复杂,因为访问令牌到期..但是在我的场景中过期不会成为问题,因为我在注册后不需要用户数据)
4. 有很少的libs躺在那里:在阅读google api docs时我发现:
   • 谷歌的API的Python客户端
   • OpenID的蟒蛇-的OpenID
   • gdata-python-client(应该是对谷歌服务的api不知道它是否有oauth ...根据这个http://code.google.com/intl/ru/apis/gdata/docs/auth/oauth .html它有oauth)
   • python-oauth-client(http://code.google.com/p/python-oauth-client/)
   • 我虽然那很多但后来发现:http://your-move.appspot.com(源文件:https://github.com/sje397/Chess)似乎是谷歌使用google.app.engine lib. appengine.api导入用户
   那么选择哪一个？
5. 到目前为止,我发现最简单的实现方式是:像这样:http://code.google.com/p/google-api-python-client/source/browse/samples/oauth2/django_sample/buzz/views.py但是第38-44行:在我的情况下,将获取用户电子邮件语言和其他东西(我也将使用其他范围...第29行)为新注册用户..或如果它是注册用户只是忽略凭证并删除它.(继续网站会议)我错了吗？我在上面提到的lib上看到了很多实现,我怀疑我是对的.
6. 还有一个问题:我的后备遗产auth将使用电子邮件作为登录..如果身份提供商是电子邮件提供商(谷歌)..当用户尝试登录时,我可以从提供商处获取电子邮件..并搜索从数据库中的提供商提取的电子邮件..所以我可以找到用户.如果身份提供者不是电子邮件提供商:如Facebook？我将如何在数据库中搜索用户？

我有一个输入管道,可以在飞行中生成样本.我使用keras和自定义ImageDataGenerator以及相应的Iterator来获取内存中的样本.假设我的设置中的keras正在使用feed_dict(这个假设对我来说是一个问题)我想通过切换到raw tensorflow + Dataset.from_generator()来加快速度.

在这里,我看到在最近的Tensorflow中生成数据的输入管道的建议解决方案是使用Dataset.from_generator().

问题:

1. 使用Tensorflow后端的keras是否使用feed_dict方法？
2. 如果我切换到原始tensorflow + Dataset.from_generator(my_sample_generator)会削减feed_dict内存复制开销并给我买性能吗？
3. 在预测(评估)阶段除了batch_x之外,batch_y我还有来自我的生成器输出的不透明索引向量.该向量对应于batch_x中的样本ID.这是否意味着我坚持使用feed_dict方法进行预测阶段,因为我需要来自迭代器的额外batch_z输出？