小编Alb*_*ert的帖子

我在远程+本地分支中提交,我想将该提交从历史记录中删除,并将其中一些提交到自己的分支中.

基本上,我现在有:

           D---E---F---G master

而且我要:

             E---G topic
            /
           D master

这应该在我的本地和(只有一个,称为origin)远程存储库中.

这是最干净的方法吗？

此外,还有其他人克隆了该回购并且已经检查了主分支.如果我在远程仓库中进行这样的改变,那么'git pull'工作会让他们也进入相同的状态吗？

我想做的事情如下:

all = [ x for x in t[1] for t in tests ]

测试看起来像:

[ ("foo",[a,b,c]), ("bar",[d,e,f]) ]

所以我想得到结果

all = [a,b,c,d,e,f]

我的代码不起作用,Python说:

UnboundLocalError: local variable 't' referenced before assignment

有没有简单的方法呢？

在这段代码中:

int foo() {
   static int x;
}

是x每个线程中所有线程或本地的全局？或者这取决于编译器标志和/或编译器,所以我真的不知道代码是什么？

几个问题(所有问题都独立于编译器和编译器标志和操作系统):

1. 如何创建一个对所有线程都是全局的静态变量？
2. 如何创建每个线程本地的静态变量？
3. 如何创建一个对所有线程都是全局的全局变量？
4. 如何创建每个线程本地的全局变量？

我想这不是C++本身.(它是在C++ 0x？)一些Boost lib可以做到这一点？

什么应该是zip函数的返回类型？(zip与大多数其他语言一样,例如在这里阅读)

我想到了一些Pair类型,但在Java中并不存在.通常认为这是因为专门的Pair-class比一般的更好(参见这个问题).但是,这在一般zip功能中是不可能的.

我有这个函数头:

template <
    bool src_alpha,
    int sbpp, int dbpp,
    typename T1, typename T2,
    Color (*getFunc)(T1 data, Uint8* addr),
    void (*putFunc)(T2 data, Uint8* addr, Color c)
>
static void OperateOnSurfaces(T1 data1, T2 data2, SDL_Surface * bmpDest, SDL_Surface * bmpSrc, SDL_Rect& rDest, SDL_Rect& rSrc)

这就是我使用它的方式:

OperateOnSurfaces<
    true,
    32, 32,
    SDL_PixelFormat*, SDL_PixelFormat*,
    GetPixel<true,32>, PutPixel<true,true,32> >(
    bmpSrc->format, bmpDest->format,
    bmpDest, bmpSrc, rDest, rSrc);

这是GetPixel和PutPixel:

template<bool alpha, int bpp>
static Color GetPixel(SDL_PixelFormat* format, Uint8* addr) { /* .. */ }

template<bool alpha, …

我创建相对名称范围tf.name_scope.

如何获取当前的绝对名称范围？

从代码中,它看起来tf.get_default_graph()._name_stack会给我这个但看起来像非官方的方式.有官方的方法吗？(我想不是,因此我提出了一个上游功能请求.)

(我实现了一堆类似的功能get_current_name_scope()或reuse_name_scope() 这里需要注意的是,你需要混合时要小心tf.name_scope和tf.variable_scope.)

当我使用nosetestsTensorFlow的一些测试脚本时,我从TensorFlow获得了大量的调试输出:

az@azmacbookpro ~/P/crnn> nosetests tests/test_TFUtil.py 
Level 1:tensorflow:Registering FakeQuantWithMinMaxArgs (<function _FakeQuantWithMinMaxArgsGradient at 0x112306048>) in gradient.
Level 1:tensorflow:Registering FakeQuantWithMinMaxVars (<function _FakeQuantWithMinMaxVarsGradient at 0x1126ba9d8>) in gradient.
Level 1:tensorflow:Registering FakeQuantWithMinMaxVarsPerChannel (<function _FakeQuantWithMinMaxVarsPerChannelGradient at 0x1126ba950>) in gradient.
...
Level 1:tensorflow:Registering Fact (<function _set_call_cpp_shape_fn.<locals>.call_without_requiring at 0x1122c0268>) in default shape functions.
Level 1:tensorflow:Registering TensorSummary (None) in gradient.
Level 1:tensorflow:Registering queue_runners ((<class 'tensorflow.core.protobuf.queue_runner_pb2.QueueRunnerDef'>, <function QueueRunner.to_proto at 0x1130687b8>, <function QueueRunner.from_proto at 0x113068840>)) in proto functions.
E
======================================================================
...
-------------------- >> begin captured logging << --------------------
tensorflow: Level …

我想使用一些对象作为某些字典的键，这些对象要么是不可散列的，要么是可散列的，但我想用默认的__eq__/覆盖它们的/ ，即iff 。__hash__object.__eq__object.__hash__a == ba is b

（这些对象可能是numpy.ndarray、、torch.Tensor或其他东西，但我现在想问一般性的问题。）

例如：

x = numpy.array([2,3,4])
d = {x: 5}

那就例外了TypeError: unhashable type: 'numpy.ndarray'。

或者：

x = torch.Tensor([2,3,4])
d = weakref.WeakKeyDictionary()
d[x] = 5
print(d[x])

那就例外了RuntimeError: Boolean value of Tensor with more than one value is ambiguous。（这是相当误导或意外的。但我认为这是因为它会bool(__eq__(...))在内部执行。但是，奇怪的是，当我在这里使用法线时没有这样的异常dict。为什么？）

我可以编写一个自定义对象包装器来解决这个问题，例如：

class WrappedObject:
  def __init__(self, orig):
    self.orig = orig
  
  def __eq__(self, other):
    return object.__eq__(self.orig, other.orig)

  def __ne__(self, other): …

我非常喜欢for(T e : iterable)Java中的for-each-loop构造(),Iterable<T>因为它在很多情况下非常容易阅读和编写代码.

我想知道是否有任何方法可以从这样的循环访问底层迭代器.如果我想remove()从迭代器中使用它,这可以是必需的.

我在我的 C++ 应用程序中使用 V8，我想添加console.log(). 我可以使用一些好的标准实现吗？

目前，我有自己的虚拟实现，但它还很不完整。