TypeError: Got an unexpected keyword argument ‘use_cudnn_on_gpu‘

layerInput = tf.nn.conv2d(model_inputs,  # [batch,1,length,100]
                          filter_weights,
                          strides=[1, 1, 1, 1],
                          padding="SAME",
                          name="init_layer", use_cudnn_on_gpu=True)

在tensorflow2.0中此代码报错,把use_cudnn_on_gpu=True删除就可以了

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
如果你使用的是 NetworkX 2.4 版本或更早的版本,则 `closeness_centrality()` 函数不支持 `reverse` 参数,因为该参数是在 NetworkX 2.5 版本中添加的。此时,可以使用 `nx.reverse()` 函数将有向图反转后再计算接近中心性。下面是 Python 代码实现有向网络接近中心性的例子(适用于 NetworkX 2.4 版本或更早版本): ```python import networkx as nx # 创建一个简单的有向图 G = nx.DiGraph() G.add_edges_from([(0, 1), (1, 2), (2, 3), (3, 4), (4, 0)]) # 计算入度接近中心性 in_closeness_centrality = nx.closeness_centrality(nx.reverse(G), wf_improved=False) # 计算出度接近中心性 out_closeness_centrality = nx.closeness_centrality(G, wf_improved=False) # 输出每个节点的入度和出度接近中心性 for node, in_centrality in in_closeness_centrality.items(): out_centrality = out_closeness_centrality[node] print(f"Node {node}: In-Closeness Centrality = {in_centrality}, Out-Closeness Centrality = {out_centrality}") ``` 在上面的代码中,我们使用 NetworkX 库创建了一个简单的有向图,并使用 `nx.reverse()` 函数将图反转后计算入度接近中心性。需要注意的是,我们分别对图的入度和出度计算接近中心性,因此需要分别计算反转后的图和原图的接近中心性。最后,我们遍历每个节点,输出它的入度和出度接近中心性。 需要注意的是,在计算接近中心性时,我们同样使用了 `nx.closeness_centrality()` 函数。该函数分别计算了节点到其他节点的最短入度路径和最短出度路径长度,因此需要保证图联通。如果图不联通,则可能会导致函数返回错误的结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值