小编per*_*one的帖子

我正在尝试使用新的layoutparser 包来做一些OCR。然而，由于我有 R 背景，我很难启动并运行它。

我通过以下方式安装了它（工作正常）：

pip install layoutparser
pip install "layoutparser[ocr]"

现在，当我运行以下命令时，出现错误：

import layoutparser as lp

import matplotlib.pyplot as plt

import pandas as pd
import numpy as np
import cv2

ocr_agent = lp.ocr.TesseractAgent()

AttributeError: module layoutparser has no attribute ocr

我想通过快捷方式选择 R 代码块。

目前我正在使用CTRL+L选择当前行并CTRL+ALT+UP/DOWN扩大选择范围。然而，这很麻烦。

有没有办法告诉 VS Code 选择段落中的所有内容？

例子：

library(dplyr)

starwars %>% 
  filter(species == "Droid")

starwars %>% 
  |mutate(name, bmi = mass / ((height / 100)  ^ 2)) %>% # <- The cursor is where "|" is for example
  select(name:mass, bmi)

在此示例中应选择以下内容：

starwars %>% 
  mutate(name, bmi = mass / ((height / 100)  ^ 2)) %>%
  select(name:mass, bmi)

假设我有一台 32 个核心的机器，并且希望尽可能高效地执行 5 个外折叠和 3 个内折叠的嵌套 CV。

在外层，我对两个或多个学习器进行基准测试，在内层，我为一个或 nk 个学习器调整超参数。

如何设置batch_size和future::plan()？

term_eval 如何取决于批量大小？

这明智吗？我的直觉是更好地并行运行内部循环。但我不确定 term_evals 和 batch_size。

lrn1 <- auto_tuner(
  method = "random_search",
  learner = lrn1,
  resampling = rsmp("cv", folds = 3),
  measure = msr("classif.auc"),
  term_evals = 100,
  batch_size = 10,
  store_models = TRUE
)

design = benchmark_grid(task = task, learner = c(lrn1, lrn2), resampling = rsmp("cv", folds = 5))

# Runs the inner loop in parallel and the outer loop sequentially
future::plan(list("sequential", "multisession"))

bmr = benchmark(design, store_models = …