小编Luc*_*tas的帖子

我正在尝试构建一个机器学习模型，该模型可以从一系列数字中预测单个数字。我正在使用 Tensorflow 的 keras API 中的顺序模型。

你可以想象我的数据集看起来像这样：

这是我的第一次尝试：

我尝试使用 numpy ndarray ，其中包含 numpy ndarrays ，最终包含浮点数作为我的 xdata ，所以像这样：

array([
    array([3.59280851, 3.60459062, 3.60459062, ..., 4.02911493])
    array([3.54752101, 3.56740332, 3.56740332, ..., 4.02837855])
    array([3.61048168, 3.62152741, 3.62152741, ..., 4.02764217])
])

我的 y 数据是一个包含浮点数的 numpy ndarray，看起来像这样

array([2.9864411, 3.0562437, ... , 2.7750807, 2.8712902], dtype=float32)

但是当我尝试使用它来训练模型时，model.fit()会产生以下错误：

ValueError: Failed to …

我最近刚刚了解到，你可以在Python中指定函数的参数和返回类型，如下所示：

def myDef(a: int, b: int) -> int:
    return a+b

考虑到速度，这是否有任何优势，或者是否有其他原因说明这可能有用？

想象我有一个这样的课程：

public:
A(const int a);
A& operator = (const A&);
};

为什么“=”运算符的返回类型必须是“A&”而不是简单的“A”？