タグ付けされた質問 「python」

を使用して新規インストールした後、pip install apache-airflowairflowを実行しようとすると、Pythonインポートエラーで終了します。 Traceback (most recent call last): File "/Users/\*/env/bin/airflow", line 26, in <module> from airflow.bin.cli import CLIFactory File "/Users/\*/env/lib/python3.7/site-packages/airflow/bin/cli.py", line 70, in <module> from airflow.www.app import (cached_app, create_app) File "/Users/\*/env/lib/python3.7/site-packages/airflow/www/app.py", line 26, in <module> from flask_wtf.csrf import CSRFProtect File "/Users/\*/env/lib/python3.7/site-packages/flask_wtf/__init__.py", line 17, in <module> from .recaptcha import \* File …

19 python  flask  airflow  werkzeug 

データセットでセマンティック検索を実行する場所で解決しようとしている問題があります。つまり、ドメイン固有のデータがあります（例：自動車について話す文章）。 私たちのデータは単なる文の集まりであり、私たちが欲しいのはフレーズを与えて次のような文を取り戻すことです： そのフレーズに似ています フレーズに似た文の一部がある 文脈的に類似した意味を持つ文 「Buying Experience」というフレーズを検索した場合の例を挙げてみましょう。次のような文を取得する必要があります。 車の購入に署名して購入するのに30分もかからないとは思っていませんでした。 気に入った車を見つけました。購入プロセスは 簡単で簡単でした カーショッピングに行くのは絶対に嫌いだったけど、今日はよかった 私は強引な単語検索ではなく、文脈の類似性を探しているという事実を強調したいと思います。 文が別の単語を使用している場合は、それを見つけることもできるはずです。 私たちがすでに試したこと： Open Semantic Searchここで直面した問題は、私たちが持っているデータからオントロジーを生成すること、またはそのために、関心のあるさまざまなドメインから利用可能なオントロジーを検索することです。 Elastic Search（BM25 + Vectors（tf-idf））、これを試してみましたが、数文しかありませんでしたが、精度はそれほど高くありませんでした。精度も悪かったです。人間が精選したデータセットに対して試したところ、文章の約10％しか取得できませんでした。 私たちは、センテンストランスフォーマーで一度言及されたようなさまざまな埋め込みを試し、例も試して、人間が精選したセットに対して評価しようとしましたが、これも非常に精度が低かったです。 ELMOを試しました。これは優れていましたが、予想よりも精度が低く、コサイン値を決定するための認知的負荷があり、それを下回ると文を考慮すべきではありません。これはポイント3にも当てはまります。 任意の助けをいただければ幸いです。事前に助けてくれてありがとう

19 python  elasticsearch  nlp  sentence-similarity  huggingface-transformers 

実行した場合： import numpy as np import cv2 def changes(): rmat=np.eye(4) tvec=np.zeros(3) (rvec, jacobian)=cv2.Rodrigues(rmat) print rvec for i in range(2): changes() 私は得ます： [[6.92798859e-310] [2.19380404e-316] [1.58101007e-322]] [[0.] [0.] [0.]] changes()変更の結果です。 なぜなのか、またtvec=np.zeros(3)コメントアウトすると変更が止まるので 、システムのバグだと思います。

19 python  numpy  opencv  debugging  opencv3.0 

私は、複数選択式の質問を通じて19717人のプログラミング言語の選択の応答を記録するデータフレームを持っています。もちろん、最初の列は回答者の性別ですが、残りは選択した選択肢です。したがって、Pythonを選択した場合、私の応答はPython列に記録され、bashでは記録されず、その逆も同様です。 ID Gender Python Bash R JavaScript C++ 0 Male Python nan nan JavaScript nan 1 Female nan nan R JavaScript C++ 2 Prefer not to say Python Bash nan nan nan 3 Male nan nan nan nan nan 私が欲しいのは、Genderレコードの下の各カテゴリーのインスタンスの数を返すテーブルです。したがって、5000人の男性がPythonで、3000人の女性がJSでコーディングされている場合、私はこれを取得する必要があります。 Gender Python Bash R JavaScript C++ Male 5000 1000 800 …

19 python  pandas  dataframe 

Pythonでサブクラスのすべてのオーバーライドされた関数を取得する方法はありますか？ 例： class A: def a1(self): pass def a2(self): pass class B(A): def a2(self): pass def b1(self): pass ここで、私はリストを取得したい["a2"]クラスのオブジェクトのためにB（またはクラスオブジェクト自体の）クラスからBオーバーライドつだけの方法、すなわちa2。

19 python  reflection  overriding  subclass 

元のリソースであるAndrej Karpathyブログから、ポリシーグラデーションの非常に単純な例を再現しようとしています。その記事には、カートポールとポリシーグラディエントの例と、ウェイトとソフトマックスのアクティブ化のリストがあります。これは、完璧に機能する CartPoleポリシーグラディエントの非常に単純な再作成例です。 import gym import numpy as np import matplotlib.pyplot as plt from sklearn.preprocessing import PolynomialFeatures import copy NUM_EPISODES = 4000 LEARNING_RATE = 0.000025 GAMMA = 0.99 # noinspection PyMethodMayBeStatic class Agent: def __init__(self): self.poly = PolynomialFeatures(1) self.w = np.random.rand(5, 2) def policy(self, state): z = state.dot(self.w) exp = …

19 python  machine-learning  math  deep-learning  reinforcement-learning 

私はpython 3で単純なWebスクレイパーに取り組んでいますが、getまたはpostリクエストを送信すると、応答は403です。python2では正常に動作します。両方のバージョンで同じバージョンのリクエストライブラリを使用しています。私も試しましたVerify=False/Trueが、両方のバージョンの違いは残っています。 リクエスト= 2.22.0 certifi = 2019.9.11 from requests import get url = 'https://www.gamestop.com/' header = { 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8', 'Accept-Encoding': 'gzip, deflate, br', 'Accept-Language': 'en-US,en;q=0.5', 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64; rv:56.0) Gecko/20100101 Firefox/56.0', 'DNT': '1', 'Upgrade-Insecure-Requests': '1', 'Connection': 'keep-alive', 'Host': 'www.gamestop.com' } res = get(url, headers=header, verify=False).status_code print(res) # …

19 python  python-3.x  python-2.7  python-requests 

2つのpandasデータフレームがaあり、b： a1 a2 a3 a4 a5 a6 a7 1 3 4 5 3 4 5 0 2 0 3 0 2 1 2 5 6 5 2 1 2 そして b1 b2 b3 b4 b5 b6 b7 3 5 4 5 1 4 3 0 1 2 3 0 0 …

18 python  python-3.x  pandas 

Pythonの正規表現で、この特異な問題に遭遇しました。re.findall('(ab|cd)', string)との違いについて教えてくださいre.findall('(ab|cd)+', string)。 import re string = 'abcdla' result = re.findall('(ab|cd)', string) result2 = re.findall('(ab|cd)+', string) print(result) print(result2) 実際の出力は次のとおりです。 ['ab', 'cd'] ['cd'] 2番目の結果にも含ま'ab'れていないのはなぜですか。

18 python  regex 

次のような整数の配列が与えられます [1, 1, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5] N何度も繰り返す要素をマスクする必要があります。明確にするために：主な目的は、ブール値のマスク配列を取得し、後でビニング計算に使用することです。 かなり複雑な解決策を思いついた import numpy as np bins = np.array([1, 1, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5]) N = 3 …

18 python  arrays  numpy  binning 

私はPythonのassertステートメントを使用して、実際の動作と予想される動作を一致させています。エラーテストケースがある場合のように、これらを制御することはできません。アサーションエラーを制御し、アサートの失敗時にテストケースを中止するかどうかを定義したい。 また、アサーションエラーが発生した場合など、テストケースを一時停止してユーザーがいつでも再開できるようにすることもできます。 私はこれを行う方法がわかりません コード例、ここではpytestを使用しています import pytest def test_abc(): a = 10 assert a == 10, "some error message" Below is my expectation assertがassertionErrorをスローする場合、テストケースを一時停止するオプションが必要で、デバッグして後で再開できます。一時停止と再開には、tkinterモジュールを使用します。以下のようにアサート機能を作成します import tkinter import tkinter.messagebox top = tkinter.Tk() def _assertCustom(assert_statement, pause_on_fail = 0): #assert_statement will be something like: assert a == 10, "Some error" #pause_on_fail will be derived …

18 python  testing  pytest  assert 

PythonプログラムをGitHubに配置して、他の人にさまざまなオペレーティングシステムがインストールされているコンピューターにダウンロードして実行してもらいたいと思います。私は比較的pythonに慣れていませんが、含まれているすべてのモジュールのさまざまなバージョンを一緒に動作させると問題が発生する可能性があることに気づくのに十分使用しました。requirements.txt（で生成されpipreqs、コマンドでデプロイされた）の使用を発見したばかりですが、実際に使用されているpythonのバージョンが明示されていないため、それ自体では完全なソリューションではないことpip install -r /path/to/requirements.txtに非常に驚いてrequirements.txtいます。だから私の質問は：私のプロジェクトをダウンロードしている誰かが実際に可能な限り少ない問題でそれを実行できるようにするためにどの仕様/ファイル/何か他のものが必要であるかです。 編集：私の計画は、最も多くの賛成票を得た回答によって導かれることでした。しかし、これまでのところ、4つの回答と127のビューの後、単一の回答では1つの賛成票もありません。いくつかの回答が良くない場合、なぜそれらが良くないのかについていくつかのコメントを見ると役に立ちます。

17 python  requirements.txt 

私のケラスモデルの予測時間の見積もりを取得しようとしたところ、奇妙なことがわかりました。通常はかなり高速であることは別にして、モデルは予測を出すのにかなり長い時間が必要です。それだけでなく、それらの時間はモデルの実行時間が長くなるほど増加します。エラーを再現するための最小限の実用例を追加しました。 import time import numpy as np from sklearn.datasets import make_classification from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Flatten # Make a dummy classification problem X, y = make_classification() # Make a dummy model model = Sequential() model.add(Dense(10, activation='relu',name='input',input_shape=(X.shape[1],))) model.add(Dense(2, activation='softmax',name='predictions')) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) model.fit(X, y, verbose=0, batch_size=20, epochs=100) …

17 python  performance  tensorflow  keras  tensorflow2.0 

この賞金は終了しました。この質問への回答は、+ 150の評判バウンティの対象となります。バウンティの猶予期間は23時間で終了します。 サージェイは評判の良い情報源からの回答を探しています。 LSTM（RNN）ニューラルネットワークを作成し、データストック予測のための教師あり学習を行いました。問題は、それが独自のトレーニングデータで間違っていると予測する理由です。（注：以下の再現可能な例） 次の5日間の株価を予測する簡単なモデルを作成しました。 model = Sequential() model.add(LSTM(32, activation='sigmoid', input_shape=(x_train.shape[1], x_train.shape[2]))) model.add(Dense(y_train.shape[1])) model.compile(optimizer='adam', loss='mse') es = EarlyStopping(monitor='val_loss', patience=3, restore_best_weights=True) model.fit(x_train, y_train, batch_size=64, epochs=25, validation_data=(x_test, y_test), callbacks=[es]) 正しい結果はy_test（5つの値）にあるので、トレーニングをモデル化し、90日前を振り返って、次のようにして最良（val_loss=0.0030）の結果から重みを復元しますpatience=3。 Train on 396 samples, validate on 1 samples Epoch 1/25 396/396 [==============================] - 1s 2ms/step - loss: 0.1322 - val_loss: 0.0299 Epoch …

17 python  tensorflow  machine-learning  keras  neural-network 

文字列にある1の数に基づいて、特定の数値のバイナリ文字列をグループ化しようとしています。 これは機能しません： s = "0 1 3 7 8 9 11 15" numbers = map(int, s.split()) binaries = [bin(x)[2:].rjust(4, '0') for x in numbers] one_groups = dict.fromkeys(range(5), []) for x in binaries: one_groups[x.count('1')] += [x] 予想される辞書one_groupsは {0: ['0000'], 1: ['0001', '1000'], 2: ['0011', '1001'], 3: ['0111', '1011'], 4: ['1111']} しかし、私は得る …

17 python  dictionary