小编Mat*_*att的帖子

我需要在Matlab中使用类似hashmap的功能,其中hashmap将向量映射到其他向量,并且事先不知道向量的数量(范围在数十万).

我尝试了Matlab的内置Containers.Map,但是它不接受向量作为键.然后我尝试了java.util.HashMap:

>> map = java.util.HashMap;
>> map.put(1:3,zeros(2,1));
>> map.get(1:3)

 ans =

 []

因此,由于某些原因似乎不起作用,即使Java的HashMap应该能够将数组映射到数组.

另一种选择是保留两个单独的矩阵,一个用于键,一个用于值,并逐步增长.但是我不想真的想这样做,因为Matlab中逐渐增长的东西是痛苦的(即使是块大小增量等,例如这里).

问题:1.为什么Java的HashMap不能在这里工作？2.还有其他方法吗？

谢谢.

这段代码

import numpy as np

def some_method(y, threshold):
    print type(y), y.shape, y.dtype 
    c = np.zeros(y.shape)
    c[y > threshold] = 1

结果是

<type 'numpy.ndarray'> (484L,) [('target', '<f8')]
DeprecationWarning: using a boolean instead of an integer will result in an error in the future
  c[y > threshold] = 1

我在谷歌和numpy发行说明中找不到任何相关内容.我假设这是关于布尔值的索引？我不明白这将如何导致将来出现错误,我该如何解决这个问题？

win32上的Python 2.7.6(默认,2013年11月10日,19:24:24)[MSC v.1500 64位(AMD64)]

Numpy版本:1.8.0

编辑:在代码中添加了print语句,以显示数组是一个ndarray

编辑2:从评论中可以清楚地看到,这y是因为是一个结构数组,并且检查的正确方法是y['target'] > threshold.但是,y有多个列,甚至是不同的列名,有没有办法灵活地使用结构化数组？

编辑:尝试了几件事之后,我在代码中添加了以下内容:

with tf.Session(graph=self.graph) as session:
    session.run(tf.initialize_all_variables())
    try:
        session.run(tf.assert_variables_initialized())
    except tf.errors.FailedPreconditionError:
        raise RuntimeError("Not all variables initialized!")

现在,偶尔会失败,即tf.assert_variables_initialized()会tf.initialize_all_variables()在执行之前立即引发FailedPreconditionError .有谁知道这怎么会发生？

原始问题:

背景

我在通过Tensorflow创建的基本神经网络上使用GradientDescentOptimizer运行交叉验证(CV)超参数搜索.在看似随机的时刻,我得到了一个FailedPreconditionError,用于不同的变量.例如(帖子末尾的完整堆栈跟踪):

FailedPreconditionError: Attempting to use uninitialized value Variable_5
     [[Node: Variable_5/read = Identity[T=DT_FLOAT, _class=["loc:@Variable_5"], _device="/job:localhost/replica:0/task:0/gpu:0"](Variable_5)]]

有些跑步失败的速度相当快,有些跑步失败了 - 其中一个跑了15个小时没有问题.我在多个GPU上并行运行 - 不是优化本身,而是每个CV折叠.

我检查了什么

从这个和这篇文章我明白,当尝试使用尚未初始化的变量时会发生此错误tf.initialize_all_variables().但是,我99%肯定我正在这样做(如果没有,我希望它总是失败) - 我将在下面发布代码.

该API文档说,

在运行在初始化之前读取tf.Variable的操作时,通常会引发此异常.

"最常见的"表明它也可以在不同的场景中提出.所以,现在主要的问题是:

问题:是否存在可能引发此异常的其他情况,它们是什么？

码

MLP课程:

class MLP(object):
    def __init__(self, n_in, hidden_config, n_out, optimizer, f_transfer=tf.nn.tanh, f_loss=mean_squared_error,
                 f_out=tf.identity, seed=None, global_step=None, graph=None, dropout_keep_ratio=1):

        self.graph …