小编pon*_*gen的帖子

我正在尝试从Pockets API获取访问令牌

我能够成功获得请求令牌,但是当我尝试使用它来获取访问令牌时,它会因400错误请求错误而失败.

这是代码:

def getAccessToken(request_code):
    headers = {'Content-Type' : 'application/json; charset=UTF-8','X-Accept': 'application/json'}
    request_data = json.dumps({"consumer_key":["12092-2970cc0e27ce9a25cb39f1dd"],"code":["af0f6c9b-815b-cd1d-9864-b6d375"]})
    url = "https://getpocket.com/v3/oauth/authorize"

    response_data = makeRequest(headers,request_data,url)
    access_code, username = response_data['access_token'],response_data['username']

    return access_code,username

def makeRequest(request_headers,request_data,request_url):
    request = urllib2.Request(request_url,request_data,request_headers)
    response = urllib2.urlopen(request)
    data = json.load(response)

    return data

我似乎无法弄明白.我很确定请求令牌是有效的(任何方式确认？),我通过重定向到Pockets授权页面,点击授权,我被重定向到redirect_uri.在获取redirect_uri时,那是我调用getAccessToken()的时候

如果我需要提供任何额外信息,请告诉我.谢谢你的帮助.

更新:

进一步研究这个问题,Pocket有一个HTTPError描述列表.我扔的是138 - 缺少消费者密钥.

这使得现在更没意义,因为我使用完全相同的使用者密钥来获取请求令牌.

响应标头:

Cache-Control: private
Content-Type: text/html; charset=UTF-8
Date: Sun, 03 Mar 2013 03:54:01 GMT
P3P: policyref="/w3c/p3p.xml", CP="ALL CURa ADMa DEVa OUR IND UNI COM NAV INT STA PRE"
Server: Apache/2.2.23 (Amazon) …

Run Code Online (Sandbox Code Playgroud)

我在tensorflow上使用tflearn包装器来构建模型，并想将元数据（标签）添加到结果嵌入可视化中。运行后，有没有办法将metadata.tsv文件链接到保存的检查点？

我已经在检查点摘要的日志目录中创建了projection_config.pbtxt文件，并且metas.tsv位于同一文件夹中。配置看起来像这样：

embeddings {
  tensor_name: "Embedding/W"
  metadata_path: "C:/tmp/tflearn_logs/shallow_lstm/"
}

并使用文档中的代码创建-https: //www.tensorflow.org/how_tos/embedding_viz/

我已经注释掉了tf.Session部分，希望创建元数据链接而无需直接在Session对象中这样做，但是我不确定是否可行。

from tensorflow.contrib.tensorboard.plugins import projector
#with tf.Session() as sess:
config = projector.ProjectorConfig()
# One can add multiple embeddings.
embedding = config.embeddings.add()
embedding.tensor_name = 'Embedding/W'
# Link this tensor to its metadata file (e.g. labels).
embedding.metadata_path = 'C:/tmp/tflearn_logs/shallow_lstm/'
# Saves a config file that TensorBoard will read during startup.
projector.visualize_embeddings(tf.summary.FileWriter('/tmp/tflearn_logs/shallow_lstm/'), config)

以下是当前嵌入可视化的快照。注意空的元数据。有没有一种方法可以将所需的图元文件直接附加到此嵌入？