小编Tal*_*war的帖子

在新的 ubunto 上，我安装了 docker，当我运行图像时，出现以下错误

docker: Error response from daemon: failed to create shim: OCI runtime create failed: container_linux.go:380: starting container process caused: exec: "--gpus": executable file not found in $PATH: unknown.
ERRO[0000] error waiting for container: context canceled 

这就是我让系统准备就绪的方法

sudo apt updat
sudo apt full-upgrade
sudo apt autoremove

#通过软件和更新安装 GPU 驱动程序

sudo apt install nvidia-cuda-toolkit
sudo apt install docker.io

#这里是docker文件

FROM python:3
WORKDIR /workspace
COPY test.py /workspace
RUN pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
CMD ["python", "./test.py"]

#这里是test.py文件

import …

我正在尝试将Qt用作matplotlib后端。我已经在kaggle和google colab上进行了检查，但是问题是相同的。

当我写

%matplotlib qt5

我收到以下错误

ImportError: Cannot load backend 'Qt5Agg' which requires the 'qt5' interactive framework, as 'headless' is currently running

当我打印默认后端时，它已经是Qt5Agg

import matplotlib
print(matplotlib.get_backend())

一种方法是每次从tensorflow_hub如下所示下载模型

import tensorflow as tf
import tensorflow_hub as hub

hub_url = "https://tfhub.dev/google/tf2-preview/nnlm-en-dim128/1"
embed = hub.KerasLayer(hub_url)
embeddings = embed(["A long sentence.", "single-word", "http://example.com"])
print(embeddings.shape, embeddings.dtype)

我想下载一次文件并一次又一次地使用而不是每次都下载

该CuDNNGRU中TensorFlow 1.0是非常快。但是当我转移到TensorFlow 2.0我无法找到CuDNNGRU. 简单GRU在 TensorFlow 2.0.

有没有办法使用CuDNNGRU的TensorFlow 2.0？

我有一个形状为 (149,1001) 的 TF-IDF 矩阵。想要的是计算最后一列与所有列的余弦相似度

这是我所做的

from numpy import dot
from numpy.linalg import norm
for i in range(mat.shape[1]-1):
    cos_sim = dot(mat[:,i], mat[:,-1])/(norm(mat[:,i])*norm(mat[:,-1]))
    cos_sim

但这个循环使它变慢。那么，有什么有效的方法吗？我只想用 numpy 做

我有一个如图所示的数据框，我想要做的是沿“试验”列取平均值。对于每个subject,condition和sample（当所有这三列都具有值 1 时），取沿列试验（100 行）的数据的平均值。

我在熊猫中所做的如下

sub_erp_pd= pd.DataFrame()
for j in range(1,4):
    sub_c=subp[subp['condition']==j]
    for i in range(1,3073):
        sub_erp_pd=sub_erp_pd.append(sub_c[sub_c['sample']==i].mean(),ignore_index=True)

但这需要很多时间..所以我想使用 dask 而不是 Pandas。但是在 dask 我在创建空数据框时遇到问题。就像我们在 Pandas 中创建一个空的数据框并将数据附加到它。

数据框的图像

正如@edesz 所建议的，我改变了我的方法
EDIT

%%time
sub_erp=pd.DataFrame()
for subno in progressbar.progressbar(range(1,82)):
    try:
        sub=pd.read_csv('../input/data/{}.csv'.format(subno,subno),header=None)
    except:
        sub=pd.read_csv('../input/data/{}.csv'.format(subno,subno),header=None)    
    sub_erp=sub_erp.append(sub.groupby(['condition','sample'], as_index=False).mean())

使用 pandas 读取文件需要 13.6 秒，而使用 dask 读取文件需要 61.3 毫秒。但是在 dask 中，我在追加时遇到了麻烦。

注意- 原始问题的标题为Create an empty dask dataframe and append values to it。

我从 javascript blob 获取 oga 文件，我想将其转换为 python 中的 PCM 兼容的 wav 文件。我使用的方法如下

AudioSegment.converter = r"C:/ffmpeg/bin/ffmpeg.exe"
AudioSegment.ffprobe   = r"C:/ffmpeg/bin/ffprobe.exe"
sound = AudioSegment.from_file("file.oga")
sound.export("file.wav", format="wav")

为此，我必须在本地下载 ffmpeg。有没有办法直接将oga文件转换为wave。

这就是我保存文件的方式

f = open('./file.oga', 'wb')
f.write(base64.b64decode(file))
f.close()

我想向多元数据添加 5% 高斯噪声。这是方法

import numpy as np 
mu, sigma = 0, np.std(data)*0.05 
noise = np.random.normal(mu, sigma, data.shape)
noise.shape

这是信号。这是添加 5% 高斯噪声的正确方法吗

I have created a simple API using FastAPI, and I am trying to pass a URL to a FastAPI route as an arbitrary path parameter.

from fastapi import FastAPI
app = FastAPI()
@app.post("/{path}")
def pred_image(path:str):
    print("path",path)
    return {'path':path}

When I test it, it doesn't work and throws an error. I am testing it this way:

http://127.0.0.1:8000/https://raw.githubusercontent.com/ultralytics/yolov5/master/data/images/zidane.jpg

我有一个Python脚本名称为neural_net.py。它对 mnist 数据集进行分类。我想做的是通过命令行获取用户的输入来运行它。以下代码片段正在获取用户的输入

file=input()
from PIL import Image
im = Image.open(file).convert('L')
imr=np.array(im).T
single_test = imr.reshape(1,400)
plt.figure(figsize=(5,5))
plt.imshow(imr)
print("value is",nn.predict(single_test))

在命令提示符下我必须按如下方式运行它

python neural_net.py

执行上面的行，然后给出输入

pic_0.png

它返回给我输出。我想要的是将上述两件事作为单个命令完成，例如

python neural_net.py pic_0.png

我有一个数据框如下，我想通过对模型和调度程序列进行分组来绘制多个条形图。例如第一个多条属于 ecaresnet50t 三个不同的调度程序并代表 mae 分数。第二个三个多重条代表resnest50d调度器的mae等等

         model     scheduler    mae
0   ecaresnet50t      warm      4.518
1   ecaresnet50t      cosine    4.46
2   ecaresnet50t      constant  4.972
3   resnest50d        warm      4.056
4   resnest50d        cosine    4.1
5   resnest50d        constant  5.072
6   resnetrs50        warm      4.164
7   resnetrs50        cosine    4.154
8   resnetrs50        constant  4.644
9   seresnet50        warm      4.202

我尝试过类似的事情 (df.groupby(['model','scheduler'])['mae'].plot.bar()) 但它不起作用

我有一个清单：

['Title', 'Text', 'Title', 'Title', 'Text', 'Title', 'Text', 'List', 'Text', 'Title', 'Text', 'Text']

我希望每个元素都连接到该元素之前的元素“Title”。例如，索引 1 处的文本连接到索引 0 处的标题，索引 2 处的标题不会连接到任何元素，因为它后面还有另一个标题. 索引 4 处的文本连接到标题 3，类似地，位置 10,11 处的文本将连接到索引 9 处的标题。

这是预期的输出：

{1:0,4:3,6:5,7:5,8:5,10:9,11:9}

我怎样才能做到这一点？