小编I. *_*. A的帖子

我有多个tfrecord文件名为:Train_DE_01.tfrecordsthrough Train_DE_34.tfrecords; 并Devel_DE_01.tfrecords通过Devel_DE_14.tfrecords.因此,我有一个培训和验证数据集.我的目标是对tfrecords的例子进行迭代,这样我就可以检索2个例子Train_DE_01.tfrecords,其中2个来自Train_DE_02.tfrecords...和2 Train_DE_34.tfrecords.换句话说,当批量大小为68时,我需要每个tfrecord文件中有2个示例.我的代码,我使用了initializableIterator如下:

# file_name: This is a place_holder that will contain the name of the files of the tfrecords.
def load_sewa_data(file_name, batch_size):

    with tf.name_scope('sewa_tf_records'):
        dataset = tf.data.TFRecordDataset(file_name).map(_parse_sewa_example).batch(batch_size)
        iterator = dataset.make_initializable_iterator(shared_name='sewa_iterator')

        next_batch = iterator.get_next()

        names, detected, arousal, valence, liking, istalkings, images = next_batch

        print(names, detected, arousal, valence, liking, istalkings, images)

        return names, detected, arousal, valence, liking, istalkings, images, iterator

使用sess.run()在会话中运行名称后; 我发现前68个例子正在取自Train_DE_01.tfrecords; …

我已经在Tensorflow中训练了一个模型。在训练过程中，我正在优化器中设置var_list，换句话说，我正在CNN顶部训练GRU。这是优化器的代码：

with tf.name_scope('optimizer'):
    update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
    with tf.control_dependencies(update_ops):
        optimizer = tf.train.AdamOptimizer(0.0001).minimize(MSE, var_list=gru_output_var_list)

然后，经过训练并将变量保存在检查点中，我试图var_list从优化器中删除，以便能够对整个网络进行微调，并使用GRU转换图层。但是，这引发了一个错误：

Key weight_fc_sig/Adam_1 not found in checkpoint

其中weight_fc_sig是模型中变量之一的名称。

我通读了github，发现优化器的状态以及变量都保存在检查点中。因此，我想知道如何解决此问题，换句话说，我需要知道如何重置优化器的状态。

任何帮助深表感谢！！

我希望显示一个CardVeiw显示用户的一些信息.同时,我需要它的行为类似于一个对话框,同时,我需要让用户点击左下方的按钮,如下图所示,并翻转CardView显示另一个CardView更丰富的内容,如一些详细的描述......这是一个例子:

到目前为止,我知道我可以创建一个Dialog,但我的内容可以滚动.因此,Dialog在这种情况下使用a可能不是一个好习惯(根据https://material.io/guidelines/components/dialogs.html#dialogs-alerts).

所以我想知道这个问题的最佳实践是什么？

我有一个包含形状文件的文件夹；更正式地说，我拥有的文件是：“.dbf”、“.prj”、“.shp”和“.shx”。现在，我通过以下方式读取形状文件：

shapefile_path = r".\canada.shp"
canada = geopandas.read_file(shapefile_path)

但是其他文件呢？

任何帮助深表感谢！！