小编mir*_*phd的帖子

以下是初始化时出错的信息Jupyter lab。错误看起来并不严重，但我无法打开网页。我如何解决它？令我惊讶的是，Jupyter notebook效果很好。

[~] jupyter实验室

[我...ServerApp] jupyterlab | 扩展程序已成功链接。[W 2021-08-28 11:32:26.627 NotebookApp] “浏览器”已从 NotebookApp 移至 ServerApp。此配置将传递给 ServerApp。请务必在我们的下一个版本发布之前更新您的配置。

[W ... NotebookApp]“notebook_dir”已从 NotebookApp 移至 ServerApp。此配置将传递给 ServerApp。请务必在我们的下一个版本发布之前更新您的配置。

[C ... NotebookApp] 初始化期间遇到错误配置：Trait、server_extensions，未找到。

感谢您的帮助。所有错误都消失了，除了最后一个信息：初始化期间遇到的错误配置：特征，server_extensions，未找到。

配置目录中有一个json文件，它写道

{
  "NotebookApp": {
    "server_extensions": [
      "jupyter_nbextensions_configurator"
    ],
    "nbserver_extensions": {
      "jupyterlab": true
    }
  }
}

最后，我jupyterlab删除配置目录后重新安装。现在就可以了。我该结束这个话题了。

我对 Jenkins 比较陌生，我正在开发一个大型项目，该项目从多个存储库中提取来构建。我用 shell 命令编写了一个声明性管道，从所需的存储库中提取并构建项目，一切正常，但我想将此管道连接到所有这些存储库，因此每次有新的提交或拉取请求时，Jenkins 作业都会触发，然后返回构建结果来标记 git 提交。我知道如何为一个存储库执行此操作，但我不知道如何为多个存储库执行此操作。

我正在使用 redis-server 版本Redis 4.0.9 (00000000/0) 64 bit。当尝试从 Heroku Redis 中保存的 RDB 文件恢复数据时 ( Redis Version Compliance 5.0.4)。我收到这个错误：

无法处理 RDB 格式版本 9

我不想删除dump.rdb。我想知道哪个redis版本可以支持我的 RDB 文件？先感谢您。

我尝试以这种方式读取指标：

 data, info = mlflow.get_run(run_id)
 print(data[1].metrics)
 # example of output: {'loss': 0.01}

但它只得到最后的值。是否可以手动读取特定指标的所有步骤？

我正在尝试使用sklearn.inspection.plot_partial_dependence我使用 keras 和 keras sklearn 包装实用程序成功构建的模型来创建部分依赖图（请参阅下面的代码块）。包装后的模型构建成功，可以使用fit方法，拟合后可以使用predict方法，得到预期的结果。所有迹象都表明它是一个有效的估计器。然而，当我尝试从 sklearn.inspection 运行 plot_partial_dependence 时，我收到一些错误文本，暗示它不是有效的估计器，尽管我可以证明它是有效的。

我使用 sklearn 波士顿住房数据示例对此进行了编辑，以便更容易重现。

from sklearn.datasets import load_boston
from sklearn.inspection import plot_partial_dependence, partial_dependence
from keras.wrappers.scikit_learn import KerasRegressor
import keras
import tensorflow as tf
import pandas as pd

boston = load_boston()
feature_names = boston.feature_names
X = pd.DataFrame(boston.data, columns=boston.feature_names)
y = boston.target
mean = X.describe().transpose()['mean']
std = X.describe().transpose()['std']
X_norm = (X-mean)/std

def build_model_small():
    model = keras.Sequential([
        keras.layers.Dense(64, activation='relu', input_shape=[len(X.keys())]),
        keras.layers.Dense(64, activation='relu'),
        keras.layers.Dense(1)
        ])

    optimizer = keras.optimizers.RMSprop(0.0005)

    model.compile(loss='mse',
              optimizer=optimizer,
              metrics=['mae', …

Streamlit 服务器（例如使用 运行streamlit run app-name.py）在每个用户首​​次运行时需要与她进行交互 - 接受或拒绝此介绍消息：

  Welcome to Streamlit!

  If you are one of our development partners or are interested in
  getting personal technical support, please enter your email address
  below. Otherwise, you may leave the field blank.

  Email:

然后 Streamlit 等待输入，无法守护进程（在后台运行），这很快会导致 Kubernetes 或 Openshift 中的 docker 容器崩溃（进入著名的崩溃循环后退程序）。

如何通过在无头/非交互模式下运行 Streamlit 来避免此类崩溃？

在 Ray Core 的文档中找到了这个缩写词，用于其主要 API 服务器：

[..] the head node needs to open several more ports:
    --port: Port of Ray (GCS server). The head node will start a GCS server listening on this port. Default: 6379.

我正在尝试在 Google Colab 中使用以下代码运行 Hugging Face 模型：

!pip install transformers

from transformers import AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("Helsinki-NLP/opus-mt-en-es")
inputs = tokenizer(text, return_tensors="pt").input_ids

我遇到以下错误：

ValueError: This tokenizer cannot be instantiated. Please make sure you have `sentencepiece` installed in order to use this tokenizer.

我如何解决它？

我是数据分析的初学者。我正在尝试将 pickled 文件导入到 python 中，但无法解决这个问题。这是我的代码：

import pickle

with open("xgb_tuning_train_data.pkl", "rb") as fr:
    data = pickle.load(fr)

---------------------------------------------------------------------------
UnpicklingError                           Traceback (most recent call last)
<ipython-input-5-d0e5155fc161> in <module>()
      2 
      3 with open("xgb_tuning_train_data.pkl", "rb") as fr:
----> 4     data = pickle.load(fr)

UnpicklingError: invalid load key, '\x00'.

我正在尝试编写一个 Jenkins 管道，它首先克隆 git 存储库，然后构建 Docker 映像，最后将映像推送到 Docker Hub。我的Jenkinsfile是：

pipeline {
    agent { dockerfile true }
    environment {
        APPLICATION = 'connect'
        ENVIRONMENT = 'dev'
        BUILD_VERSION = '0.9.5'
        MAINTAINER_NAME = 'Shoaib'
        MAINTAINER_EMAIL = 'shoaib@email.com'
        BUILD_DOCKER_REPO = repo1/images'
        DOCKER_IMAGE_TAG = 'repo1/images:connect_dev_0.9.5'
    }
    stages {
        stage('clone repository') {
            steps {
                checkout Jenkins-Integration
            }
        }
        stage('Build Image') {
            steps {
                image = docker.build("-f Dockerfile.local", "--no-cache", "-t ${DOCKER_IMAGE_TAG}", "--build-arg envior=${ENVIRONMENT} .", "--build-arg build_version=${BUILD_VERSION} .", "--build-arg maintainer_name=${MAINTAINER_NAME} .", "--build-arg maintainaer_email=${MAINTAINER_EMAIL} .")
            }
        }
        stage('Deploy') …

我训练了一个LGBMClassifier模型并将其保存到文件中：

clf = lgb.LGBMClassifier( ... )
clf.fit(X_train, y_train, **fit_params)
clf.booster_.save_model("model1.txt")

现在我想要的是重新使用保存的模型进行概率预测。但如果我尝试：

## new predictions:

    clf_fs = lgb.Booster(model_file='model1.txt')
    y_pred2 = clf_fs.predict_proba(X_data2, num_iteration=clf_fs.best_iteration_)[:, 1]

我收到此错误：

AttributeError: 'Booster' object has no attribute 'predict_proba'

我知道这cls_fs是类的对象Booster而不是类的对象LGBMClassifier，我可以使用它clf_fs.predict()，但不能predict_proba。LGBMClassifier那么我如何从保存的模型文件中获取对象并生成概率预测呢？