小编gol*_*enk的帖子

我的Pylint安装导入烧瓶就好了.使用相同的烧瓶安装,我的wtforms在我的应用程序中运行得很好.但是,当我在导入wtforms的文件上运行Pylint时:

from flask.ext import wtf
from flask.ext.wtf import validators

class PostForm(wtf.Form):
    content = wtf.TextAreaField('Content', validators=[validators.Required()])

从Pylint我得到:

E:  1,0: No name 'wtf' in module 'flask.ext'
E:  2,0: No name 'wtf' in module 'flask.ext'
F:  2,0: Unable to import 'flask.ext.wtf'

在搜索时我发现这个讨论表明它可能是因为flask.ext库实际上只是库的"快捷方式".

知道怎么解决这个问题吗？非常感谢!

我正在使用nosetests,在两个单独的文件中,我有两个测试.单独运行时两者都运行正常,但是当一起运行时,第一次测试的模拟会在第二次测试中混淆结果.如何确保在测试功能完成后重置所有模拟/补丁,以便每次运行都能得到干净的测试？

如果可能的话,通过我的测试解释将特别感激.我的第一个测试看起来像:

def test_list_all_channel(self):
    from notification.models import Channel, list_all_channel_names
    channel1 = Mock();
    channel2 = Mock();
    channel3 = Mock();
    channel1.name = "ch1"
    channel2.name = "ch2"
    channel3.name = "ch3"
    channel_list = [channel1, channel2, channel3]
    Channel.all = MagicMock()
    Channel.all.return_value = channel_list
    print Channel
    channel_name_list = list_all_channel_names()
    self.assertEqual("ch1", channel_name_list[0])
    self.assertEqual("ch2", channel_name_list[1])
    self.assertEqual("ch3", channel_name_list[2])

我的第二个测试是:

def test_can_list_all_channels(self):
    add_channel_with_name("channel1")
    namelist = list_all_channel_names()
    self.assertEqual("channel1", namelist[0])

但Channel.all()的返回值仍然设置为第一个函数的列表,所以我得到"ch1"不等于"channel1".有什么建议？非常感谢!

我正在使用Tensorflow Dataset API来准备我的数据以输入到我的网络中。在这个过程中，我有一些自定义的 Python 函数，它们使用tf.py_function. 我希望能够调试进入这些函数的数据以及这些函数内的数据会发生什么。当 apy_function被调用时，它会回调到主要的 Python 进程（根据这个答案）。由于此函数在 Python 中，并且在主进程中，我希望常规 IDE 断点能够在此进程中停止。但是，情况似乎并非如此（下面的示例中断点不会停止执行）。有没有办法py_function在 Dataset 使用的a 中放入断点map？

断点不停止执行的示例

import tensorflow as tf

def add_ten(example, label):
    example_plus_ten = example + 10  # Breakpoint here.
    return example_plus_ten, label

examples = [10, 20, 30, 40, 50, 60, 70, 80]
labels =   [ 0,  0,  1,  1,  1,  1,  0,  0]

examples_dataset = tf.data.Dataset.from_tensor_slices(examples)
labels_dataset = tf.data.Dataset.from_tensor_slices(labels)
dataset = tf.data.Dataset.zip((examples_dataset, labels_dataset))
dataset = …

当我尝试部署我的应用程序时,我收到以下错误:

Starting update of app: flyingbat123, version: 0-1
Getting current resource limits.
Password for avigmati: Traceback (most recent call last):
  File "C:\Program Files (x86)\Google\google_appengine\appcfg.py", line 125, in 
    run_file(__file__, globals())
  File "C:\Program Files (x86)\Google\google_appengine\appcfg.py", line 121, in run_file
    execfile(script_path, globals_)
  File "C:\Program Files (x86)\Google\google_appengine\google\appengine\tools\appcfg.py", line 4062, in 
    main(sys.argv)
  File "C:\Program Files (x86)\Google\google_appengine\google\appengine\tools\appcfg.py", line 4053, in main
    result = AppCfgApp(argv).Run()
  File "C:\Program Files (x86)\Google\google_appengine\google\appengine\tools\appcfg.py", line 2543, in Run
    self.action(self)
  File "C:\Program Files (x86)\Google\google_appengine\google\appengine\tools\appcfg.py", line 3810, in __call__
    return method()
  File "C:\Program Files …

我已经看过几个地方简单地说已知P是NP和co-NP的交集的子集.证明P是NP子集的证据并不难找到.因此,为了表明它是交集的一个子集,剩下要做的就是表明P是co-NP的子集.什么可以证明这一点？非常感谢!

我正在尝试运行一个基本的Pexpect脚本:

import pexpect
ftp_process = pexpect.spawn('ftp')
ftp_process.interact()

当代码直接从终端运行时,代码按预期工作.如果我使用PyCharm的run/debug运行代码,我会收到以下错误:

Traceback (most recent call last):
  File "/path/to/code/test.py", line 3, in <module>
    ftp_process.interact()
  File "/usr/local/lib/python3.4/site-packages/pexpect/__init__.py", line 1645, in interact
    mode = tty.tcgetattr(self.STDIN_FILENO)
termios.error: (25, 'Inappropriate ioctl for device')

似乎Pexpect如何与PyCharm的运行/调试窗口交互,默认情况下不起作用.有没有办法通过特定的PyCharm设置来解决这个问题？如果没有,还有其他方法可以解决这个问题吗？

编辑

上面的代码只是一个缩短的例子,导致了问题.Pexpect的的其他的能力(如expect(),sendline()等)仍需要的话.

有没有办法用特定的垫值将一个可变大小的张量填充到给定的形状？例如,鉴于张量:

[[1, 2],
 [3, 4]]

和

[[1, 2, 3],
 [4, 5, 6]]

有没有办法有一个通用的操作,可以采取任何一个并用一个值填充它们(比如,[2, 4]用值塑造-1)导致:

[[1, 2, -1, -1],
 [3, 4, -1, -1]]

和

[[1, 2, 3, -1],
 [4, 5, 6, -1]]

分别？我的推理(如果有更好的解决方案)是我有TFRecords文件的示例,其中一部分具有可变长度.对于处理,静态长度使它们更易于使用.

在TensorFlow,tf.layers并且tf.contrib.layers共享许多功能(标准2D卷积层,批标准化层等)的.两者之间的区别仅仅在于封装被认为是稳定contrib.layers的layers封装仍然是实验性的吗？或者一个被另一个取代？其他差异？为什么这两个分开？

在 reStructuredText 中，:code:`Observation`将创建一个内联代码块，该代码块在文档中显示为Observation. 就我而言，它指的是我的Observation班级。在生成的文档中，我希望能够执行诸如使用所有格形式（Observation's ）并引用多个对象（Observations ）之类的操作。但是，后者会导致警告/错误。也就是说，:code:`Observation`s结果是

sphinx.errors.SphinxWarning: Inline interpreted text or phrase reference start-string without end-string.

:code:`Observation`'s值得注意的是，在其他情况下，当我在内联代码（ 、等）之后使用非 alpha 符号时:code:`Observation`.，文档会按预期进行编译。

s为什么在内联代码解释文本之后不允许使用类似字符？我怎样才能实现类似的目标，特别是确保原始的 reStructuredText 文档仍然是干净的书面/可读的，而且还以正确的方式编译？

当使用 TensorFlowtf.data.experimental.sample_from_datasets从两个非常不平衡的数据集中进行同等采样时，我最终收到了DirectedInterleave selected an exhausted input: 0警告。基于此 GitHub 问题，当其中的一个数据集sample_from_datasets已耗尽示例时，似乎会发生这种情况，并且需要对已经看到的示例进行采样。

耗尽的数据集是否仍然产生样本（从而保持所需的平衡训练比率），或者数据集是否没有采样，因此训练再次变得不平衡？如果是后者，是否有一种方法可以产生所需的平衡训练比率sample_from_datasets？

注意：正在使用 TensorFlow 2 Beta