我已经工作了一段时间,tensorflow现在我正在使用 做 GPU 上的学习人员tensorflow-gpu,似乎我正面临一个发布错误,有人说使用tf-nightly-gpu-2.0-preview将解决问题。
那么,tf-nightly-gpu和之间有什么区别tensorflow-gpu,它是它的测试版还是什么?
提前致谢。
将下面的示例视为我的类库项目,我需要使CommonClass同一项目中的所有其他类(A、B 和 C)可访问,但不可访问(当其他项目使用该库时),其中CommonClass包含通用方法而在我的媒体库中使用的所有其他类领域,在C#这是通过使用该解决internal的访问修饰符CommonClass。这甚至可以使用Java吗?
我在一个系统上使用IntelliJIDE armx64 linux-based,我正在处理一个非 Maven java 项目,该项目有很多链接到它的模块(依赖项)。当从 IDE 运行我的项目时,一切正常,但是当将其构建为可运行的 jar 文件并尝试使用从终端运行该 jar 时java -jar myjar.jar,我收到以下错误:
Error: A JNI error has occurred, please check your installation and try again
Exception in thread "main" java.lang.SecurityException: Invalid signature file digest for Manifest main attributes
at sun.security.util.SignatureFileVerifier.processImpl(SignatureFileVerifier.java:330)
at sun.security.util.SignatureFileVerifier.process(SignatureFileVerifier.java:263)
at java.util.jar.JarVerifier.processEntry(JarVerifier.java:318)
at java.util.jar.JarVerifier.update(JarVerifier.java:230)
at java.util.jar.JarFile.initializeVerifier(JarFile.java:383)
at java.util.jar.JarFile.getInputStream(JarFile.java:450)
at sun.misc.URLClassPath$JarLoader$2.getInputStream(URLClassPath.java:977)
at sun.misc.Resource.cachedInputStream(Resource.java:77)
at sun.misc.Resource.getByteBuffer(Resource.java:160)
at java.net.URLClassLoader.defineClass(URLClassLoader.java:454)
at java.net.URLClassLoader.access$100(URLClassLoader.java:73)
at java.net.URLClassLoader$1.run(URLClassLoader.java:368)
at java.net.URLClassLoader$1.run(URLClassLoader.java:362)
at java.security.AccessController.doPrivileged(Native Method)
at java.net.URLClassLoader.findClass(URLClassLoader.java:361)
at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
at …Run Code Online (Sandbox Code Playgroud) 我正在尝试构建此android vlctest应用程序示例,但是出现以下错误:
Android resource linking failed
Output: C:\Program Files\android\workspace\vlctest-master\app\build\intermediates\merged_manifests\debug\processDebugManifest\merged\AndroidManifest.xml:42: error: unexpected element <uses-sdk> found in <manifest><application>.
Command: C:\Program Files\android\android-studio\.gradle\caches\transforms-1\files-1.1\aapt2-3.2.1-4818971-windows.jar\466069e667720c031ae71c30fd5dfaa7\aapt2-3.2.1-4818971-windows\aapt2.exe link -I\
E:\android\Sdk\platforms\android-28\android.jar\
--manifest\
C:\Program Files\android\workspace\vlctest-master\app\build\intermediates\merged_manifests\debug\processDebugManifest\merged\AndroidManifest.xml\
-o\
C:\Program Files\android\workspace\vlctest-master\app\build\intermediates\processed_res\debug\processDebugResources\out\resources-debug.ap_\
-R\
@C:\Program Files\android\workspace\vlctest-master\app\build\intermediates\incremental\processDebugResources\resources-list-for-resources-debug.ap_.txt\
--auto-add-overlay\
--java\
C:\Program Files\android\workspace\vlctest-master\app\build\generated\not_namespaced_r_class_sources\debug\processDebugResources\r\
--custom-package\
com.sxx.vlctest\
-0\
apk\
--output-text-symbols\
C:\Program Files\android\workspace\vlctest-master\app\build\intermediates\symbols\debug\R.txt\
--no-version-vectors
Daemon: AAPT2 aapt2-3.2.1-4818971-windows Daemon #0
Run Code Online (Sandbox Code Playgroud)
请注意,错误(AndroidManifest.xml)中提到的清单XML 是构建目录下的自动生成文件,因此对它的任何更改都将在同步后重置。
AndroidManifest.xml:
<?xml version="1.0" encoding="utf-8"?>
<manifest xmlns:android="http://schemas.android.com/apk/res/android"
package="com.sxx.vlctest"
android:versionCode="1"
android:versionName="1.0" >
<uses-sdk
android:minSdkVersion="16"
android:targetSdkVersion="26" />
<uses-permission android:name="android.permission.MODIFY_AUDIO_SETTINGS" />
<uses-permission android:name="android.permission.RECORD_AUDIO" />
<uses-permission android:name="android.permission.INTERNET" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" /> …Run Code Online (Sandbox Code Playgroud) 读取以下数据后:
Head:
Open Close High Low Volume volume_adi volume_obv volume_obvm ... momentum_stoch momentum_stoch_signal momentum_wr momentum_ao others_dr others_dlr others_cr nextClose
0 118.940002 118.950996 119.015999 118.926003 3468.199951 -1468.002197 0.000000 0.000000 ... 27.777779 27.777779 -72.222221 0.000000 14.749734 0.000000 0.000000 118.948997
1 118.954002 118.959000 118.974998 118.892998 3083.300049 1139.846680 3083.300049 -8.533334 ... 53.658535 35.663956 -46.341465 0.000000 0.008407 0.008407 0.006725 118.975998
2 118.966003 118.975998 118.990997 118.922997 2914.600098 3508.808105 2914.600098 722.250000 ... 67.479675 48.897923 -32.520325 0.000000 0.014291 0.014290 0.021017 118.985001
3 118.992996 118.985001 119.000000 118.967003 3088.800049 1909.547119 …Run Code Online (Sandbox Code Playgroud) 我有以下输入数据结构:
X1 | X2 | X3 | ... | Output (Label)
118.12341 | 118.12300 | 118.12001 | ... | [a value between 0 & 1] e.g. 0.423645
Run Code Online (Sandbox Code Playgroud)
我使用它tensorflow来解决预测Output变量未来值的回归问题。为此,我构建了一个前馈神经网络,该网络具有三个具有relu激活函数的隐藏层和一个具有一个节点的最终输出层linear activation。该网络使用优化器通过反向传播进行训练adam。
我的问题是,在对网络进行了数千次训练后,我意识到输入特征和输出中的这种高度小数的值仅导致预测接近小数点后第二位,例如:
Real value = 0.456751 | Predicted value = 0.452364
Run Code Online (Sandbox Code Playgroud)
然而,这不被接受,我需要精确到小数点后第四位(至少)才能接受该值。
问:是否有任何值得信赖的技术可以正确解决这个问题以获得更好的结果(也许是转换算法)?
提前致谢。
machine-learning data-analysis neural-network keras tensorflow