jiuweideqixu的博客

c0 = tf.constant([[1.,2.]] * 3 + [[0.,1.]] * 3)c1 = tf.constant([[1,2,3],[4,5,6]])c2 = tf.constant([[11,12,13],[14,15,16]])c3 = tf.concat([c1,c2],axis=0)c4 = tf.concat([c1,c2],axis=1)print(tf.__version__)print('------------c0---------')print(c0)pr

(ENVv) acat@acat-xx:paper_or_gcn$ ipython kernel install --user --name=pytorch_fast_transformerInstalled kernelspec pytorch_fast_transformer in /home/acat/.local/share/jupyter/kernels/pytorch_fast_transformer

总结：首先使用nvcc -V查看cudatoolkit的版本：(ENVv) acat@acat-xx:paper_or_gcn$ nvcc -Vnvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2019 NVIDIA CorporationBuilt on Wed_Oct_23_19:24:38_PDT_2019Cuda compilation tools, release 10.2, V10.2.89要确保安装的cuda

如fi.csv文件内容是：a,b,chello,world,3good,morning,5则转换之后，csv文件内容是：[{"a":"hello","b":"world","c":3},{"a":"good","b":"morning","c":5}]import pandas as pddf = pd.read_csv('fi.csv')df.to_json('fd.json',orient='records')其中orient参数控制json文件的格式，不同的格式对应的js

import tensorflow as tfimport numpy as npsteps=2batch_size=4input_size=3encoder_inputs = tf.placeholder("float", [None, steps, input_size]) # (4,2,3)decoder_inputs = tf.placeholder("float", [None, steps, input_size])en_input=np.zeros(shape=[batch

import tensorflow as tfa = tf.constant([[1,2,3],[4,5,6]])ar = tf.reshape(a,[2,1,3])with tf.Session() as sess: print(sess.run(a)) print('a<-------------------->ar') print(sess.run(ar))print('======================')aru = tf.unstack.

import tensorflow.compat.v1 as tftf.disable_v2_behavior()import numpy as npWARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/tensorflow/python/compat/v2_compat.py:96: disable_resource_variables (from tensorflow.python.ops.variable_scope) i

我们现在来实现Neural Machine Translation by Jointly Learning to Align and Translate中的模型。一、常规的编码器-解码器模型    作为提醒，下图是常规的编码器-解码器模型：二、先前的模型    在先前的模型中，我们的体系结构是通过在每个time-step显式地将context向量( 即z )传递给解码器(对应于上图中粉色的方块)。接着①context向量(z)②embbedded input word（ 即d(yt) ）(图中棕

我们有时会看到GRU中输入的参数有时是一个，但是有时又有两个。这难免会让人们感到疑惑，那么这些参数到底是什么呢。一、输入到GRU的参数输入的参数有两个，分别是input和h_0。Inputs: input, h_0①input的shapeThe shape of input:(seq_len, batch, input_size) : tensor containing the feature of the input sequence. The input can also be a packe

首先使用pip3 list查看pyhton中存在哪些模块通过上图可知，我们有模块de-core-news-sm然后，在python中import带有横杠的模块的时候，会报错：SyntaxError: invalid syntaxPython 3.6.9 (default, Oct 8 2020, 12:12:24) [GCC 8.4.0] on linuxType "help", "copyright", "credits" or "license" for more information.

对于这篇论文的解析，可以参考：https://kexue.fm/archives/4765# code by Tae Hwan Jung(Jeff Jung) @graykode, Derek Miller @dmmiller612# Reference : https://github.com/jadore801120/attention-is-all-you-need-pytorch# https://github.com/JayParks/transformerimport

from collections import Counterimport torch.nn as nnimport torchsentences = 'i am new to PyTorch i am having fun'words = sentences.split(' ')print(words)[‘i’, ‘am’, ‘new’, ‘to’, ‘PyTorch’, ‘i’, ‘am’, ‘having’, ‘fun’]vocab = Counter(words) # list变为

一、torch.squeeze用法torch.squeeze可以对tensor的维度进行压缩。>>> d = torch.arange(6).view(1,2,1,3)>>> dtensor([[[[0, 1, 2]], [[3, 4, 5]]]])>>> d.shapetorch.Size([1, 2, 1, 3])不加参数直接调用torch.squeeze函数>>> d.squeeze()te

Network Traffic Anomaly Detection Using Recurrent Neural Networksimport numpy as npimport pandas as pdimport reimport h5pyfrom sklearn.preprocessing import LabelEncoder, OneHotEncoderfrom sklearn.metrics import log_loss, auc, roc_curvefrom tensorf

preds = model.predict_proba(X, batch_size=512)应该是gpu内存不够了。如果可以的话，可以调低batch_size。若仍然不行，那么可以通过减小处理的数据量来解决。因为显存的大小，决定了它的一个运行过程能够处理的数据量的大小。而设置不同的batch_size，可以加快或者降低处理的速度。...

CancelledError: [_Derived_]RecvAsync is cancelled.[[{{node Nadam/Nadam/update/ReadVariableOp_4/_187}}]][[gradient_tape/sequential/embedding/embedding_lookup/Reshape/_176]] [Op:__inference_train_function_19125]Function call stack:train_function...

这里的xml_data是str类型的，报错的是：Unicode strings with encoding declaration are not supported. Please use bytes input or XML fragments。所以，我们首先需要把数据转换为字节类型，那么就需要进行编码（encode）xml_data = open(ii).read()root = etree.fromstring(xml_data, parser=parser)修改之后的代码：

tf.gather(Tensor, index)可以获取某个Tensor指定index的元素。tf.nn.softmax(Tensor)可以对某个Tensor进行处理。它不改变Tensor的结构，其效果类似于某种归一化。import tensorflow.compat.v1 as tftf.disable_v2_behavior()import numpy as npX_batch= np.array([ [[0,1,2],[9,8,7]], [[3,4,5],[0,0,

code1import tensorflow.compat.v1 as tftf.disable_v2_behavior()state = tf.Variable(0.0,dtype=tf.float32)one = tf.constant(3.0,dtype=tf.float32)print('----------type(state) type(one)--------------------------')print(type(state),type(one))pr

代码import tensorflow.compat.v1 as tftf.disable_v2_behavior()ton = tf.constant([[0,1],[0,1],[1,0],[1,0]])am = tf.argmax(ton,1)print(type(am))with tf.Session() as sess: print(sess.run(ma))可以看出，argmax把各个元素中最大的数字的下表打印出来了。因为tf.one_hot函数处理之后的数据也是对

代码import tensorflow.compat.v1 as tftf.disable_v2_behavior()classes = 2labels = tf.constant([0,1,0,0,1,1,1,0,3,4]) # labels的类型是一个Tensoroutput = tf.one_hot(labels,classes) # output的类型也是一个Tensorprint(type(labels))print(type(output))with tf.Session()

import tensorflow.compat.v1 as tftf.disable_v2_behavior()import numpy as npweight = tf.get_variable(name='weights',initializer=tf.random_normal([5,2], stddev=0.01))with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print('-.

假设原始文件内容如下图所示：那么我们的需求是变为print(...)的形式。:%s/print\ \(.*\)/print(\1)/g回车之后，发现文件的内容已经变为了我们想要的形式。

1.排序排好序之后，查看nan和inf值。cc = X_null_target['Flow Bytes/s']cc2 = cc.sort_values()cc2.to_csv('cc2.csv')2.判断Nan使用np.isnan(cc2)来生成一个Series可以看出，该Series中的值是True和False。3.判断infdd == np.inf...

当DataFrame中存在很多列的时候，为了便于分析，可以查看各个列对应的类型。首先可以使用print(data.dtypes)但是当列比较多的时候会存在省略的现象:为了让显示更加完整，进行适当的修改c = data.dtypesfor i in c.index: # 依次选取Series的各个key print(i,' ',c[i]) # 这里的c[i]的使用，在Series中可以使用Series[key]的形式取出对应的value这样的话，所有列的名称和类型就

转换为啊Bytes类型之后，就可以使用pwn库中的send方法进行发送了。x.to_bytes(1,byteorder='little', signed=False)第一个参数，表示转换之后字节的个数​从上图的输出也可以看出，使用的是小端序，低位优先。输出的时候都是默认从低地址向高地址进行的，所以低位存储在低地址，首先被输出，高位存储在高地址，最后被输出。第二个参数，表示大小端​从上图可以看出，采用的是大端序。输出的时候都是默认从低地址向高地址进行的，所以高位存储在低地址，首先被输出，低位.

# aaa2.py #!/usr/bin/env python3# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dxlist = np.linspace(-1.0,1.0, 100)ylist = np.linspace(-1.0,1.0,100)X,Y = np.meshgrid(xlist, ylist)Z...

Problem-1op的功能：对若干个整数进行求和，对若干个字符串进行拼接。op的执行分为两步。第一步：调用op函数，传入的参数是操作的名称和操作的参数的类型。返回一个操作实例。这一步只是获取_op的实例化对象，并不执行_op函数内部的逻辑代码。当然，也不会调用_type_checker函数，因为只有执行_op函数的时候才会调用并执行_type_checker函数。第二步：对第一步调用op...

安装msi格式的软件，可以使用命令wine msiexec /i python-2.7.12.msi

需要安装jieba、matplotlib、numpy、PIL、wordcloud等库import requestsimport jsonimport osimport timeimport randomimport jiebaimport numpy as npfrom PIL import Imagefrom wordcloud import WordCloudimport ...

import oswx_db_source_path = "/data/data/com.xingag.crack_wx/wx_data.csv"# 导出到本地os.popen('adb pull %s %s' % (wx_db_source_path, '/home/adog/文档/work_path'))def getDevicesAll(): #获取所有的设备列表...

一、首先安装pyHook在网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/ 网页中搜索pyhook下载对应的版本。然后安装下载的whl文件：D:\用户目录\下载>pip install pyHook-1.5.1-cp37-cp37m-win32.whlProcessing d:\用户目录\下载\pyhook-1.5.1-c...

adog@E531:~$ pip3 install pocoui -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.comCollecting pocoui Downloading http://pypi.doubanio.com/packages/79/b7/0a097349da63681463f62680b01b9...