小编Beg*_*ner的帖子

我必须安装Shapely包(http://toblerity.org/shapely/project.html#installation).但是当我使用时:

pip install Shapely

我收到此错误:

Collecting Shapely
  Using cached Shapely-1.5.17.tar.gz
    Complete output from command python setup.py egg_info:
    Traceback (most recent call last):
      File "<string>", line 1, in <module>
      File "C:\Users\AppData\Local\Temp\pip-build-mwuxcain\Shapely\setup.py", line 38, in <module>
        from shapely._buildcfg import geos_version_string, geos_version, \
      File "C:\Users\AppData\Local\Temp\pip-build-mwuxcain\Shapely\shapely\_buildcfg.py", line 200, in <module>
        lgeos = CDLL("geos.dll")
      File "C:\Users\Anaconda3\lib\ctypes\__init__.py", line 344, in __init__
        self._handle = _dlopen(self._name, mode)
    OSError: [WinError 126] The specified module could not be found

    ----------------------------------------
Command "python setup.py egg_info" failed with error code …

我尝试使用以下命令导入存储在 Cloud Storage 中的数据库：

gcloud sql instances import instance-name gs://connect-to-the-cloud-sql.appspot.com/my-cloud-sql-instance-backup

但是，我收到错误：

ERROR: (gcloud.sql.instances.import) HTTPError 403: The client is not authorized to make this request.

我已经登录使用：

gcloud auth login

我需要找到多边形内部和多边形上的所有格点。

输入：

from shapely.geometry import Polygon, mapping
sh_polygon = Polygon(((0,0), (2,0), (2,2), (0,2)))

输出：

(0, 0), (1, 0), (2, 0), (0, 1), (1, 1), (2, 1), (0, 2), (1, 2), (2, 2)

请建议是否有办法在使用或不使用 Shapely 的情况下获得预期结果。

我编写了这段代码，它给出了多边形内部的点，但它没有给出多边形上的点。还有更好的方法来做同样的事情：

from shapely.geometry import Polygon, Point

def get_random_point_in_polygon(poly):
    (minx, miny, maxx, maxy) = poly.bounds
    minx = int(minx)
    miny = int(miny)
    maxx = int(maxx)
    maxy = int(maxy)
    print("poly.bounds:", poly.bounds)
    a = []
    for x in range(minx, maxx+1):
        for y in range(miny, maxy+1):
            p = Point(x, y) …

我必须构建一个二进制分类器来预测输入视频是否包含一个动作.模型的输入将是形状:[batch, frames, height, width, channel] 这里,批量是视频的数量,帧是该视频中的图像数量(它是针对每个视频固定的),高度是该图像中的行数,宽度是该列中的列数图像和通道是RGB颜色.我在Andrej Karpathy的博客中发现,许多回溯神经网络最适合这个应用程序:http://karpathy.github.io/2015/05/21/rnn-effectiveness/

因此,我需要在TensorFlow中实现它:

我学习了如何使用本教程实现LSTM:https://github.com/nlintz/TensorFlow-Tutorials/blob/master/07_lstm.py#L52 但是,它正在实现多对一LSTM并预测输出并仅使用减少损失最后的张量:outputs[-1] 而且,我想用许多张量预测输出(比方说4)并减少使用它们的损失.

这是我的实现:

import tensorflow as tf
from tensorflow.contrib import rnn
import numpy as np

# Training Parameters
batch = 5 # number of examples
frames = time_step_size = 20
height = 60
width = 80
channel = 3

lstm_size = 240
num_classes = 2

# Creating random data

input_x = np.random.normal(size=[batch, frames, height, width, channel])
input_y = np.zeros((batch, num_classes))
B = np.ones(batch) …

我有这个字典列表：

MylistOfdict = [{'Word': 'surveillance',
  'Word No': 1},
 {'Word': 'equivocal',
  'Word No': 2}]

我想创建一个新的字典 ( word_db2)列表，其中每个字典都有 3 个字典MylistOfdict。除了 MylistOfdict 的键和值之外，这些字典中的每一个都应该有带有值类型 1、类型 2、类型 3 的“卡片类型”键和带有增量值的“卡片键”键

代码：

word_db2 = []

key = 1
for i in MylistOfdict:
    for j in range(1, 4):
        i['Card Type'] = 'Type '+str(j)
        i['Card Key'] = key
        print(i)

        word_db2.append(i)
        key += 1

输出：

{'Word No': 1, 'Card Key': 1, 'Word': 'surveillance', 'Card Type': 'Type 1'}
{'Word No': 1, 'Card Key': 2, 'Word': 'surveillance', 'Card Type': …