小编log*_*ick的帖子

我正在阅读有关宏的文档，并在“阻止：为什么宏”部分下遇到了以下内容。使用宏的理由如下：

宏是必需的，因为它们在解析代码时执行，因此，宏允许程序员在运行完整程序之前生成并包含自定义代码的片段

这让我想知道为什么有人想要使用“在运行完整程序之前生成并包含自定义代码的片段”。有人可以提供有关为什么这对宏有益和/或其他良好用例的上下文吗？

我试图将数字 10^19 保存在 Julia 的变量中。

我知道它正在溢出，但我认为做类似的事情BigInt(10^19)或Int128(10^19)会解决问题，但事实并非如此。

有什么想法吗？

查看 Julia 的溢出行为

我有一个文本文件，我想在其中附加一些字符串而不覆盖现有数据。我怎样才能在 Julia 中实现这一目标？

我正在尝试在损失函数中使用分位数进行训练！（对于某些稳健性，例如最少修剪的平方），但它会改变数组并且 Zygote 会抛出一个错误Mutating arrays is not supported，来自sort!. 下面是一个简单的例子（内容当然没有意义）：

using Flux, StatsBase
xdata = randn(2, 100)   
ydata = randn(100)

model = Chain(Dense(2,10), Dense(10, 1))


function trimmedLoss(x,y; trimFrac=0.f05)
        yhat = model(x)
        absRes = abs.(yhat .- y) |> vec
        trimVal = quantile(absRes, 1.f0-trimFrac) 
        s = sum(ifelse.(absRes .> trimVal,  0.f0 , absRes ))/(length(absRes)*(1.f0-trimFrac))
        #s = sum(absRes)/length(absRes)   # using this and commenting out the two above works (no surprise)    
end

println(trimmedLoss(xdata, ydata)) #works ok

Flux.train!(trimmedLoss, params(model), zip([xdata], [ydata]), ADAM())

println(trimmedLoss(xdata, ydata)) …

我想在 Flux 中使用优化器，如 Julia Academy使用 Flux.jlSGD进行深度学习的教程中所示。这是他们提供的笔记本，其中使用 SGD 优化器：

opt = SGD(params(model))\n

ERROR: UndefVarError: SGD not defined\n

search: SGD AMSGrad Signed signed Unsigned unsigned sigmoid issetgid logsigmoid StringIndexError isassigned significand\n\nCouldn\'t find SGD\nPerhaps you meant SGD, Set, Sys, GC, Some, sec, sin, sum, LSTM, csc, esc, isa, ans, abs, cis, cos, eps, ARGS, Pkg, GRU, RNN, cpu, elu, f32, f64, gpu, \xcf\x83, !, !=, !== or …