小编Dan*_*haw的帖子

我正在使用NHibernate并通过命名查询调用存储过程:

<sql-query name="SearchStuff" read-only="true" cacheable="true">
  <return class="ResultEntity" />
  EXEC [SearchStuff] ?, ?, ?    </sql-query>

许多存储过程参数都是故意可以为空的 - 这是无法更改的.

C#:

IQuery listQuery = this.Session.GetNamedQuery("SearchStuff");
listQuery.SetInt32(0, param1);
listQuery.SetDateTime(1, param2);
listQuery.SetString(2, param3);
IList<ResultEntity> results = listQuery.List<ResultEntity>();

不幸的是,NHibernate没有为可为空的值类型提供任何SetXyz()方法,所以我尝试添加一些扩展方法来补偿:

public static class QueryExtensions
{
    public static void SetInt32(this IQuery query, int position, int? val)
    {
        if (val.HasValue)
        {
            query.SetInt32(position, val.Value);
        }
        else
        {
            query.SetParameter(position, null);
        }
    }

    public static void SetInt32(this IQuery query, string name, int? val)
    {
        if (val.HasValue)
        {
            query.SetInt32(name, val.Value);
        }
        else
        { …

我想获得SQL Server数据库中所有用户及其角色的列表.我想要做的是找出某些用户是否拥有多个数据库的权限.有查询可以直接执行此操作吗？

是否可以将该freeze_graph.py工具与saver.saveTensorFlow v1中保存的模型一起使用？如果是这样,怎么样？

我的代码看起来大致如下:

supervisor = tf.train.Supervisor(logdir=output_directory_path)

with supervisor.managed_session() as session:
    # train the model here
    supervisor.saver.save(session, output_directory_path)

这会生成一个包含以下内容

checkpoint
output
output-16640.data-00000-of-00001
output-16640.index
output-16640.meta

output包含中间培训步骤文件的目录在哪里.其余的是文件.

我的理解是这是一个元图(.meta文件)及其变量(.data*文件)的保护程序v2格式.这些文件包含该freeze_graph.py工具所需的数据,但不清楚如何告诉freeze_graph.py工具从这些文件加载​​数据.

所有这些尝试都会产生错误消息 Input checkpoint '...' doesn't exist!

python freeze_graph.py --input_checkpoint checkpoint --output_graph /tmp/out
python freeze_graph.py --input_checkpoint . --output_graph /tmp/out
python freeze_graph.py --input_checkpoint output-16640 --output_graph /tmp/out

该freeze_graph.py代码包括注释'input_checkpoint' may be a prefix if we're using Saver V2 format的位置旁边的--input_checkpoint参数使用,因此我还以为上面的尝试的第三个会工作,但,唉,没有.

使用Replace Into,如果我有两个字段.FirstName LastName.该表中有John Smith,如果我要运行REPLACE INTO tblNames(FirstName,LastName)VALUES(John,Jones)会用Jones代替Smith,还是创建一个新名字？

是什么决定它的更新还是插入？

考虑以下两行Python / TensorFlow交互式会话：

import tensorflow as tf
s=tf.Session()

如果这些命令的Ubuntu Linux操作系统14.04机，采用水蟒Python的2.7.13和TensorFlow R1.3（从来源汇编）中，用32G物理存储器和2分的GPU（一个GTX泰坦X和GTX 970）上执行，而CUDA_VISIBLE_DEVICES不是集（即两个GPU都可见），结果python进程分配了59.7G的内存！请注意，它实际上仅使用754M。

如果CUDA_VISIBLE_DEVICES=0（即只有Titan X是可见的），则分配55.2G，并且使用137M。

如果CUDA_VISIBLE_DEVICES=1（即仅970是可见的）则分配了47.0G，并且正在使用325M。

如果CUDA_VISIBLE_DEVICES=（即两个GPU都不可见），则仅分配2.5G，仅使用131M。

这在分配的内存量受到限制的环境（例如，Grid Engine设置内部）中是一个问题。

有什么方法可以限制TensorFlow使用CUDA时分配的主内存量吗？

更新1

在这些试验中，通过查看中的VIRT列来确定分配的内存量htop。

TensorFlow r1.3编译时大多带有默认configure答案。唯一的变化是通往CUDA和cuDNN的路径。结果，jemalloc正在被使用。

更新2

我尝试使用jemalloc禁用重新编译并看到相同的行为。

在相对路径中,〜/ directory /子目录 和 ./directory/subdirectory之间有什么区别？