小编Joe*_*Joe的帖子

我试图在使用 CSS 属性更新 Dash 图形时显示微调器data-dash-is-loading。

我找到了一个可行的解决方案，但想知道为什么我之前的方法无法获得更多见解。

文档的结构是

html.Div(id="some-container",
         children=[dcc.Graph(id="some-graph",
                             figure=fig)])

这是我尝试过的两个回调函数，一次一个。工作回调函数更新整个容器的子级：

@app.callback(
Output("some-container", "children"),
[Input("some-dropdown", "value")])

不起作用的回调函数是

@app.callback(
Output("some-graph", "figure"),
[Input("some-dropdown", "value")])

嗯，它工作得很好，它按应有的方式更新了图形，但它不会触发data-dash-is-loading.

CSS 代码取自这里：

*[data-dash-is-loading="true"]{
    visibility: hidden;
}
*[data-dash-is-loading="true"]::before{
    content: "Loading...";
    display: inline-block;
    color: magenta;
    visibility: visible;
}

有人能告诉我原因是什么吗？

我试图用神经网络(Keras)近似正弦函数.

是的,我看了相关的帖子:)

• 链接1

• 链接2

• 链接3

使用具有S形的四个隐藏神经元和具有线性激活的输出层工作正常.

但也有一些设置可以提供对我来说很奇怪的结果.

由于我刚刚开始工作,我对事情发生的原因和原因感兴趣,但到目前为止我无法理解这一点.

# -*- coding: utf-8 -*-

import numpy as np
np.random.seed(7)

from keras.models import Sequential
from keras.layers import Dense
import pylab as pl
from sklearn.preprocessing import MinMaxScaler

X = np.linspace(0.0 , 2.0 * np.pi, 10000).reshape(-1, 1)
Y = np.sin(X)

x_scaler = MinMaxScaler()
#y_scaler = MinMaxScaler(feature_range=(-1.0, 1.0))
y_scaler = MinMaxScaler()

X = x_scaler.fit_transform(X)
Y = y_scaler.fit_transform(Y)

model = Sequential()
model.add(Dense(4, input_dim=X.shape[1], kernel_initializer='uniform', activation='relu'))
# model.add(Dense(4, input_dim=X.shape[1], kernel_initializer='uniform', activation='sigmoid'))
# model.add(Dense(4, input_dim=X.shape[1], kernel_initializer='uniform', activation='tanh'))
model.add(Dense(1, …

 from numpy import *; from scipy.optimize import *; from math import *
def f(X):
    x=X[0];    y=X[1]
    return x**4-3.5*x**3-2*x**2+12*x+y**2-2*y

bnds = ((1,5), (0, 2))
min_test = minimize(f,[1,0.1], bounds = bnds); 
print(min_test.x)

我的函数f(X)有一个x=2.557, y=1我应该能够找到的局部最小值。

上面显示的代码只会给出结果 where x=1。我尝试了不同的公差和所有三种方法：L-BFGS-B、TNC 和 SLSQP。这是到目前为止我一直在看的线程： Scipy.optimize：如何限制参数值

我怎样才能解决这个问题？

我正在使用 Spyder（Python 3.6）。

我有几个文件（其中的数量是不确定的），我想同时读取，逐行或分块，做一些处理并移动到所有文件中的下一行（或块）。我想我的要求或多或少与这个问题中的要求相似。但是，在我的情况下，文件可以有不同的行数，并且在尝试实现诸如ExitStack 之类的东西时，注意到所有文件将在其中一个关闭后立即关闭（可能是行数最少的那个） ，而我想继续处理其他文件（最终将空字符串分配给关闭文件的“行”）。这是可以完成的事情吗？如何？

#cat f1.txt
RNvn 40
AvOp 13
yEVA 94
oNGn 10
VZQU 88

#cat f2.txt
gSNn 4
zxHP 84
ebRw 70
NaxL 2
lXUb 49
PQzn 79
aIyN 88

#cat f3.txt
XXce 5
RMIq 4
FFEi 47
wuLZ 60

简单的实现ExitStack，结果只有4行，因为filef3.txt只有4行：

flist = ['f1.txt', 'f2.txt', 'f3.txt']
with ExitStack() as stack:
    files = [stack.enter_context(open(fname)) for fname in flist]
    for lines in zip(*files):
        print(lines)

# prints
('RNvn 40\n', 'gSNn 4\n', 'XXce …

几天前，我在另一个领域提出了一个问题，最后一位朋友（@emcconville）帮助我编写了一个“恢复单个文件中的每个 JPEG 文件”的脚本。现在我意识到该程序仅适用于具有标准“JFIF”的图像，并且无法检索具有“EXIF”标准的图像（数码相机拍摄的图像）。

如何更改程序，使其也能知道图像中的Exif标准？我对Python不熟悉，也不知道它的威力。

谢谢

import struct

with open('src.bin', 'rb') as f:
    # Calculate file size.
    f.seek(0, 2)
    total_bytes = f.tell()
    # Rewind to beging.
    f.seek(0)
    file_cursor = f.tell()
    image_cursor = 0

    while file_cursor < total_bytes:
        # Can for start of JPEG.
        if f.read(1) == b"\xFF":
            if f.read(3) == b"\xD8\xFF\xE0":
                print("JPEG FOUND!")
                # Backup and find the size of the image
                f.seek(-8, 1)
                payload_size = struct.unpack('<I', f.read(4))[0]
                # Write image to disk
                d_filename = 'image{0}.jpeg'.format(image_cursor)
                with open(d_filename, 'wb') …

我想从 excel 文件中删除行，知道这些值。我使用 openpyxl：

key_values_list 是带有数字的列表（所有都存在于 excel 文件中，列上）

   wb = load_workbook(src)
    sheet = wb['Sheet 1']

    for i in range(2, sheet.max_row + 1):
        if sheet.cell(row=i, column=1).value in key_values_list:
            sheet.delete_rows(i, 1)
    wb.save(src)

上面的代码不会删除所有对应的行