小编ink*_*kzk的帖子

我试图按照官方网站上的说明安装它,导致tensorflow导致导入错误:

ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

我运行代码cat /usr/local/cuda/version.txt,显示我的cuda版本是8.0.61.

似乎tensorflow正在寻找cuda 9.0.我无法升级cuda,因为我正在使用共享的gpu-server而且我没有root权限.

有没有办法让tensorflow与cuda 8.0一起工作？或任何其他方式？

谢谢!!

下面的代码（取自此处）似乎只实现了一个简单的Dropout，既不是DropPath也不是DropConnect。真的吗？

def drop_path(x, drop_prob: float = 0., training: bool = False):
    """Drop paths (Stochastic Depth) per sample (when applied in main path of residual blocks).
    This is the same as the DropConnect impl I created for EfficientNet, etc networks, however,
    the original name is misleading as 'Drop Connect' is a different form of dropout in a separate paper...
    See discussion: https://github.com/tensorflow/tpu/issues/494#issuecomment-532968956 ... I've opted for
    changing the layer and argument names to …

我得到一个像这样的熊猫数据框：

    id   prob
0    1   0.5   
1    1   0.6
2    1   0.4
3    1   0.2
4    2   0.3
6    2   0.5
...

我想按“id”对其进行分组，按降序排序并获得每组的前 3 个概率。请注意，某些组包含少于 3 的行。最后我想得到一个二维数组，如：

[[1, 0.6, 0.5, 0.4], [2, [0.5, 0.3]]...]

我怎么能用熊猫做到这一点？谢谢！

我知道深度学习的落后过程遵循梯度下降算法。但是，从来没有一个用于max操作的梯度概念。

像tensorflow和pytorch这样的深度学习框架如何处理像'max'操作的后退maxpooling呢？

我用TensorFlow的估算器训练了我的模型.它似乎export_savedmodel应该用于制作.pb文件,但我真的不知道如何构建serving_input_receiver_fn.有人有什么想法吗？欢迎使用示例代码.

额外问题:

1. .pb当我想重新加载模型时,我需要的唯一文件是什么？Variable不必要？

2. 与adam优化器.pb相比,模型文件大小会减少多少.ckpt？

我尝试在其预订和顺序遍历上构建二叉树条件.

但是,当我运行下面的代码时,20%的测试样本通过,然后我得到了"1351分段错误(核心转储)",其中preorder = inorder = {1,2}.

我的代码有什么问题？以及如何在linux上调试"分段故障"？

谢谢!!!

class Solution {
    /**
     *@param preorder : A list of integers that preorder traversal of a tree
     *@param inorder : A list of integers that inorder traversal of a tree
     *@return : Root of a tree
     */
public:
    TreeNode *buildTree(vector<int> &preorder, vector<int> &inorder) {
        // write your code here
        TreeNode * root;
        if (preorder.empty() || inorder.empty()) {
            cout<<"in if"<<endl;
            return NULL;
        }
        root->val = preorder.front();  
        vector<int> inorder_left(inorder.begin(), inorder.begin() + getIndex(inorder, preorder.front()));     
        vector<int> …