小编edn*_*edn的帖子

以下是 Flutter 项目中 pubspec.yaml 文件中的一些依赖项示例。

dependencies:
  flutter:
    sdk: flutter
  cloud_firestore: ^0.14.4
  firebase_core_web: ^0.2.1
  firebase_crashlytics: "^0.2.4"
  firebase_analytics: "^6.3.0"

我在安装它们时只是遵循了安装指南。如图所示，某些依赖项的版本号为“...”，而其他依赖项则没有。

它似乎以两种方式起作用，但我想知道正确的方法是什么。我应该始终将版本号放入“...”吗？

我有以下熊猫数据框：

d2 = {'col1': [0, 0, 1, 1, 2], 'col2': [10, 11, 12, 13, 14]}
df2 = pd.DataFrame(data=d2)
df2

输出：

    col1    col2
0   0       10
1   0       11
2   1       12
3   1       13
4   2       14

我需要运行以下命令：

for i, g in df2.groupby(['col1']):
    col1_val = g["col1"].iloc[0]
    print(col1_val)

原始代码更复杂，但出于说明目的而编写。

该部分for i, g in df2.groupby(['col1']):给出了以下警告：

FutureWarning: In a future version of pandas, a length 1 tuple will be returned 
when iterating over a groupby with a grouper equal to a …

我不确定是否只有我认为 tensorflow 文档有点弱。

我打算使用 tf.nn.batch_normalization 函数来实现批量标准化，但后来发现 tf.layers.batch_normalization 函数似乎应该是使用它的一个简单的函数。但是如果我可以说，文档真的很差。

我试图了解如何正确使用它，但根据网页上提供的信息，这真的不容易。我希望也许其他一些人有经验并帮助我（可能还有很多其他人）理解它。

先分享一下界面：

tf.layers.batch_normalization(
    inputs,
    axis=-1,
    momentum=0.99,
    epsilon=0.001,
    center=True,
    scale=True,
    beta_initializer=tf.zeros_initializer(),
    gamma_initializer=tf.ones_initializer(),
    moving_mean_initializer=tf.zeros_initializer(),
    moving_variance_initializer=tf.ones_initializer(),
    beta_regularizer=None,
    gamma_regularizer=None,
    beta_constraint=None,
    gamma_constraint=None,
    training=False,
    trainable=True,
    name=None,
    reuse=None,
    renorm=False,
    renorm_clipping=None,
    renorm_momentum=0.99,
    fused=None,
    virtual_batch_size=None,
    adjustment=None
)

Q1) beta 值初始化为零，gamma 值初始化为 1。但没有说明原因。当使用批量归一化时，我知道神经网络的普通偏差参数变得过时，而批量归一化步骤中的 beta 参数也做同样的事情。从这个角度来看，将 beta 设置为零是可以理解的。但是为什么 gamma 值初始化为 1？这真的是最有效的方法吗？

Q2）我在那里也看到了一个动量参数。文档只是说“移动平均线的动量。”。我假设在计算相应隐藏层中某个小批量的“平均值”值时使用此参数。换句话说，批量标准化中使用的平均值不是当前小批量的平均值，它主要是最近 100 个小批量的平均值（因为动量 = 0.99）。但目前还不清楚这个参数如何影响测试的执行，或者我是否只是通过计算成本和准确性来验证我的模型在开发集上。我的假设是当我处理测试集和开发集时，我将参数“training”设置为 False 以便动量参数对于该特定执行变得过时，而现在使用在训练期间计算的“均值”和“方差”值代替计算新的均值和方差值。如果我弄错了，应该是这样，但如果是这种情况，我在文档中看不到任何内容。谁能确认我的理解是正确的？如果没有，我将非常感谢对此的进一步解释。

Q3）我很难为可训练参数赋予意义。我假设这里的意思是 beta 和 gamma 参数。为什么他们不能训练？

Q4）“重用”参数。它到底是什么？

Q5) 调整参数。另一个谜..

Q5）一种总结性问题..这是我需要确认和反馈的总体假设..这里的重要参数是： - 输入 - 轴 - 动量 - 中心 - 规模 - 训练 …

我有以下示例数据框：

import pandas as pd

d = {'col1': [2, 5, 6, 5, 4, 6, 7, 8, 9, 7, 5]}

df = pd.DataFrame(data=d)
print(df)

输出：

       col1
0      2
1      5
2      6
3      5
4      4
5      6
6      7
7      8
8      9
9      7
10     5

我需要计算col1中前 N 行的斜率，并将斜率值保存在单独的列中（称为斜率）。所需的输出可能如下所示：（出于示例目的，下面给出的斜率值只是随机数。）

       col1  slope
0      2
1      5
2      6
3      5
4      4     3
5      6     4
6      7     5
7      8     2
8      9     4
9      7 …

以下是产生问题的 Python 语句：

nan_rows = df[df.isnull().any(1)]

并且它给出了以下警告：

FutureWarning: In a future version of pandas all arguments of DataFrame.any and Series.any will be keyword-only.

这是来自生产环境的警告。很抱歉，我无法分享完整的代码，因为解决这个问题相当复杂。

我怎样才能理解这个警告的意思，以及我应该如何更新这行代码？