小编W.P*_*ill的帖子

我正在编写一个使用 SQLAlchemy 数据库的FastAPI应用程序。我已经从 FastAPI 文档中复制了示例，为了简洁起见，简化了数据库模式。完整的来源在这篇文章的底部。

这有效。我可以uvicorn sql_app.main:app通过 Swagger 文档运行它并与数据库交互。当它运行时，它会test.db在工作目录中创建一个。

现在我想添加一个单元测试。像这样的东西。

from fastapi import status
from fastapi.testclient import TestClient
from pytest import fixture

from main import app


@fixture
def client() -> TestClient:
    return TestClient(app)


def test_fast_sql(client: TestClient):
    response = client.get("/users/")
    assert response.status_code == status.HTTP_200_OK
    assert response.json() == []

使用下面的源代码，这将test.db工作目录中的 用作数据库。相反，我想为在测试结束时删除的每个单元测试创​​建一个新数据库。

我可以将全局database.engine和database.SessionLocal在运行时创建的对象内，像这样：

    class UserDatabase:
        def __init__(self, directory: Path):
            directory.mkdir(exist_ok=True, parents=True)
            sqlalchemy_database_url = f"sqlite:///{directory}/store.db"
            self.engine = create_engine( …

我有一个抽象的Scala类Base,它有子类Derived1和Derived2.Base定义一个函数f(),它返回与其实现类相同类型的对象.所以Derived1.f()返回Derived1并Derived2.f()返回Derived2.我如何在Scala中写这个？

这是我到目前为止所提出的.

package com.github.wpm.cancan

abstract class Base {
  def f[C <: Base]: C
}

case class Derived1(x: Int) extends Base {
  def f[Derived1] = Derived1(x + 1)
}

case class Derived2(x: Int) extends Base {
  def f[Derived2] = Derived2(x + 2)
}

这给出了以下编译器错误:

type mismatch;
[error]  found   : com.github.wpm.cancan.Derived1
[error]  required: Derived1
[error]   def f[Derived1] = Derived1(x + 1)

type mismatch;
[error]  found   : …

我正在使用Scala dispatch HTTP库,版本0.10.1.我向一个返回HTTP 301永久重定向的URL发出请求.例如,http: //wikipedia.com返回301,重定向到http://www.wikipedia.org/.我如何使用dispatch获取重定向的URL？

在教程之后,这就是我所做的.

import dispatch._, Defaults._
val svc = url("http://wikipedia.com")
val r = Http(svc OK as.String)
r()

这会引发"意外响应状态:301"异常.据推测,我需要查询r重定向URL 的值,或者可能指定除OK定义之外的其他参数,但我无法弄清楚如何从文档中做什么.

我正在使用命令行工具训练 NER 模型python -m spacy train。我用来gold.docs_to_json将带注释的文档转换为JSON 可序列化格式。

命令行训练工具同时使用训练集和开发集。我不确定命令行工具为我管理训练/开发拆分提供了多少帮助。

1. 是否有命令行工具可以从一组数据创建训练/开发拆分？
2. spaCy 训练命令会为我进行交叉验证，而不是让我创建开发集吗？
3. 当需要根据所有数据训练生产模型时，我应该使用什么作为开发集？

我认为问题（1）和（2）的答案都是“否”，但我想仔细检查一下。

从实践来看，即使您正在训练生产模型进行固定次数的迭代，您也始终必须传递非空开发集。现在我只是传递了我的训练数据的副本，但看起来很奇怪，所以我想知道是否还缺少其他一些程序。

有关训练的 spaCy 文档主要讨论编写您自己的迭代循环。我已经做了足够多的工作，我确信如果我编写自己的代码，我可以完成上述任何工作，但对于这些基本的训练操作，我宁愿不编写代码，而只使用命令行工具来完成所有操作。

我想用以下(text, label)对训练TextCategorizer模型.

标签颜色:

• 门是棕色的.
• 谷仓是红色的.
• 花是黄色的.

标签动物:

• 那匹马正在奔跑.
• 鱼正在跳跃.
• 鸡睡着了.

我正在复制TextCategorizer文档中的示例代码.

textcat = TextCategorizer(nlp.vocab)
losses = {}
optimizer = nlp.begin_training()
textcat.update([doc1, doc2], [gold1, gold2], losses=losses, sgd=optimizer)

doc变量可能只是nlp("The door is brown.")等等.什么应该gold1和gold2？我猜他们应该是GoldParse对象,但我不知道你如何表示那些文本分类信息.

我想定义一个函数f [Int] -> Int,f如果列表的长度是一个完美的正方形,则该函数等于列表中元素的总和,否则是未定义的.在Haskell中这样做的惯用方法是什么？

在命令式语言中,我会添加一行来assert sqrt(len(xs)) is integer为未定义的案例生成异常.在像Haskell这样的强类型函数语言中,您希望在类型系统中构建未定义的条件,但是由于没有"长度完美平方列表"类型,因此无法在此处完成.

我宁愿让程序在未定义的情况下暂停,而不是让函数返回Nothing.

我的程序使用Click进行命令行处理。它有一个带有必需参数的主命令。此命令具有采用可选参数的子命令。不同的子命令采用不同的选项，但它们都需要来自其父命令的相同参数。我想让命令行看起来像这样：

python myprogram.py argument-value subcommand1 --option-1=value

我可以像这样使用 Click 写这个

import click

@click.group()
@click.argument("argument")
@click.pass_context
def main(context, argument):
    """ARGUMENT is required for both subcommands"""
    context.obj = {"argument": argument}


@click.command()
@click.option("--option-1", help="option for subcommand 1")
@click.pass_context
def subcommand1(context, option_1):
    print("subcommand 1: %s %s" % (context.obj["argument"], option_1))


@click.command()
@click.option("--option-2", help="option for subcommand 2")
@click.pass_context
def subcommand2(context, option_2):
    print("subcommand 2: %s %s" % (context.obj["argument"], option_2))


main.add_command(subcommand1)
main.add_command(subcommand2)

if __name__ == "__main__":
    main()

顶级帮助信息正是我想要的。

python myprogram.py --help
Usage: myprogram.py [OPTIONS] ARGUMENT COMMAND [ARGS]... …

当我运行以下Python程序时

from pyspark.ml.classification import LinearSVC
from pyspark.sql import SparkSession

spark = SparkSession.builder.appName("Sparkmodel").getOrCreate()
data = spark.read.format("libsvm").load("/usr/local/spark/data/mllib/sample_libsvm_data.txt")
model = LinearSVC().fit(data)
model.save("mymodel")
LinearSVC.load("mymodel")

失败load并显示“java.lang.NoSuchMethodException”。

/anaconda3/envs/scratch/bin/python /Users/billmcn/src/toy/sparkmodel/sparkmodel/little.py
Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
17/11/12 13:23:05 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
17/11/12 13:23:06 WARN Utils: Service 'SparkUI' could not bind on port 4040. Attempting port 4041.
17/11/12 …

我想在我的 Python Spark 文本分类管道中使用词嵌入。该文档展示了如何训练您自己的嵌入，但我想使用像 GloVe 这样的预训练集。有没有某种方法可以使用预训练的嵌入来初始化 Word2VecModel 还是我必须编写自己的转换器类？

我无法从 Docker 映像设置开发 Elasticsearch/Kibana 实例。我无法让 Kibana 服务连接到 Elasticsearch 服务。

我有以下docker-compose.yml文件。

services:

  elasticsearch:
    container_name: elasticsearch
    image: docker.elastic.co/elasticsearch/elasticsearch:8.4.0
    environment:
      - discovery.type=single-node
      - xpack.security.enabled=true
    ports:
      - "9200:9200"

  kibana:
    container_name: kibana
    image: docker.elastic.co/kibana/kibana:8.4.0
    environment:
      - ELASTICSEARCH_URL=http://elasticsearch:9200
      - xpack.security.enabled=true
    ports:
      - "5601:5601"

我一开始没有创建和运行任何容器docker compose up。根据自动启用安全性启动 Elastic Stack中的说明，我期望看到以下内容：

A password is generated for the elastic user and output to the terminal, plus an enrollment token for enrolling Kibana.

不生成密码。当我查看日志时，我从 Kibana 容器中看到以下内容。

[ERROR][elasticsearch-service] Unable to retrieve version information from Elasticsearch nodes. …