python-3.x

1熱

2答えて

を発見されたにもかかわらず、エラーが見つかりません Traceback (most recent call last): File "text_statistics.py", line 28, in corpus_reading_pos(corpus_name, option) File "text_statistics.py", line 13, in corpus_reading_pos f=

2熱

1答えて

完全な検証の例でTensorflowモデルを評価する方法

Tensorflowのtf.estimator.DNNClassifier.evaluate関数を使用してネットワークを評価しています。私はhereにあるTensorflowのIrisデータを使用しています。さらなる調査と数学では、評価セットのサイズに関係なく、128の例が評価されると判断しました。たとえば、iris_training.csvにはわずか120の例があり、128が評価されます（おそ

0熱

1答えて

If条件に基づいて現在のディレクトリを削除する

次のコードは、各サブディレクトリ内のイメージの数をカウントします。どのサブディレクトリ内の画像が複数の2 N13はメインディレクトリ =>300サブディレクトリ（1 ... 300） =>各サブディレクトリを有するたである場合、サブディレクトリを削除します画像。出力：画像：2、ディレクトリ：1 画像：3、ディレクトリ：2 画像：4、ディレクトリ：3 import os path='C:/n1

2熱

1答えて

1つの辞書オブジェクトに格納されている複数の順序付き辞書の項目を抽出します

ここには2つの辞書XとYのコレクションである親辞書があります。 csvモジュールのDictReaderを使用してそれらを保存しました。 2つの命令付き辞書を含むexample_dicto辞書を呼び出します。明確にするために、スパイダーで変数エクスプローラから、これは次のようになります。 Name Type Size Value example_dict dict 2 {'X':Ordere

0熱

1答えて

セグメンテーションフォールト：11 TensorFlowスクリプトをPython 3からPython 2にバックポートした後

Python 3のTensorFlow 1.4モデルを作成した後、現在Google Cloud ML EngineはPython 2.7のみをサポートしています。私のPython 3コードを最初にバックポーティングするだけで、シンプルに思えました。一部のスクリプトは、シバン#!/usr/bin/env python3を#!/usr/bin/env pythonに置き換えても、期待どおりに動作しま

0熱

1答えて

はImportError：libnvidia-fatbinaryloader.so.384.90：共有オブジェクトファイルを開くことはできません：そのようなファイルまたはディレクトリ私がインストールされている

import tensorflow as tf Traceback (most recent call last): File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 58, in <module> from tensorflow.python.

-2熱

1答えて

リストのリストからアポストロフィを削除する方法

.csvファイルから行平均を計算し、各行の平均のリストを返そうとしています。現在入手可能です in_ = [['1,2'], ['1,1,1,1'], ['-1,0,1'], ['42,17']] 個々のリストを平均化するためにアポストロフィを削除する必要があります。私はint()を使ってみましたが、運がなかった。マイ所望の出力 out = [[1, 2], [1, 1, 1, 1], [-

2熱

1答えて

タプルの文字列と整数から、タプルの中で最も近い数値を与えられた値にします。

タプルの中に整数を入れたタプルを入力すると、タプルの中で最も接近した番号を入力したいと思います： Data = (('Batik Air',int(561)),('Citilink',int(620)),('Garuda Indonesia',int(1501)) Value=500 findClosest(Data,Value) # magic ('Batik Air',561) こ

0熱

3答えて

辞書：キーと値の各要素が等しいかどうかを確認してください

私はhtmlのソースを抽出し、すべてを大きな辞書に変換しました。これが唯一の例である： d = {fist:mist} 私の目標は、そのインデックスで文字を比較することです： (key[0] & value[0], key[1] & value[1], etc.) と文字が等しいかどうかを確認： f != m, i == i, s==s, t==t 私ができるベスト： d = {fi