小编Ind*_*der的帖子

我知道可以在Google Cloud上部署用于培训作业的自定义容器，并且我已经能够使用command来运行相同的容器。

gcloud ai-platform jobs submit training infer name --region some_region --master-image-uri=path/to/docker/image --config config.yaml

训练工作已成功完成，并且模型已成功获得。现在，我想使用该模型进行推理，但是问题是我的代码具有系统级依赖关系，因此我必须对体系结构进行一些修改才能让它一直运行。这就是首先要为培训工作提供定制容器的原因。

该文档仅适用于培训部分和推断部分（如果可能的话），而据我所知，尚未使用自定义容器进行探索。

培训部分的文档可在此链接上找到

我的问题是，是否可以在Google Cloud-ml上出于推理目的部署自定义容器？

我已经完成了pytorch交叉熵损失函数的自定义实现（因为我需要更多的灵活性稍后介绍）。我打算用这个训练的模型需要相当长的时间来训练，而且可用的资源不能仅仅用来测试函数是否正确实现。我已经实现了矢量化实现，因为它运行起来会更快。

以下是我的代码：

def custom_cross(my_pred,true,batch_size=BATCH_SIZE):
    loss= -torch.mean(torch.sum(true.view(batch_size, -1) * torch.log(my_pred.view(batch_size, -1)), dim=1))
    return loss

如果您能建议更优化的实现，或者我在当前的实现中犯了错误，我将非常感激。该模型将使用 Nvidia Tesla K-80 进行训练。

我有一个 docker 文件，它安装所有依赖项并为应用程序创建一个环境，但有一个特定的文件让我遇到了困难。

我正在使用此命令在 docker 容器中安装 tkinter

RUN apt-get install -y python3-tk

但这会提示您选择时区和地理位置。

我目前正在通过进入 docker 并在容器中安装相同的内容来规避这个问题

docker run -ti tag:latest /bin/sh

这不是很整洁，有没有办法解决这个问题，要么执行以下操作之一

1. 自动选择提示（例如期待和发送）
2. 在没有提示的情况下安装 tkinter 可能是默认的。

任何不完整回答类似问题的建议也表示赞赏，如果可能的话，我们也可以以不同的方式安装它，而不需要 apt

我想将数据帧列中的所有字符串转换为单个空字符串,然后将其转换为单词列表:

import pandas as pd
df = pd.DataFrame({'read': ["Red", "is", "my", "favorite", "color"]})
print(df)
    read
0   Red
1   is
2   my
3   favorite
4   color

我试图加入字符串,但我不知道如何添加空格.

string = ""
for i,j in df.iterrows():
    string += j["read"]

我定义:

A = [[1, 2], [3, 4], [5, 6]]

生产线是什么？

B = [['hello', [1, 2]], ['hello', [3, 4]], ['hello', [5, 6]]]

我有以下代码 c++ 代码

#include <vector>
#include <iostream>

using namespace std;

#define for_loop(upper_bound) for (int i=0;i<upper_bound; ++i)

// #define SHOW_VECTOR(vec_in) for(int j=0;j<vec_in.size();j++){ cout << vec_in[j] << " " << endl;};


int main(){
    int dim_1=10;
    int dim_2=3;

    int outer_i;
    // vector variable declared here to have 10 values
    vector<vector<int>>vec_var(dim_1);

    for_loop(dim_1){
        outer_i = i;
        for_loop(dim_2){
            cout << outer_i << " " << i << endl;

            vec_var[outer_i][i]=103;    
        }
    }

    return 0;
}

当我尝试运行它时，出现以下错误：

分段错误（核心转储）