python

    5गर्मी

    2उत्तर

    मैं विभिन्न मॉड्यूल (फाइलों) में परीक्षण मामलों के साथ कुछ nosetests चला रहा हूं जिसमें प्रत्येक अलग-अलग परीक्षण होते हैं। मैं एक फ़ंक्शन/विधि को परिभाषित करना चाहता हूं जिसे केवल nosetest के साथ निष्

    10गर्मी

    1उत्तर

    में स्थानीय चर दिखाएं अब तक हम जेनकिंस के माध्यम से py.test पर कॉल करें। एक परीक्षण में विफल रहता है, हम देखते हैं इस Traceback (most recent call last): File "/home/u/src/foo/bar/tests/test_x.py"

    16गर्मी

    1उत्तर

    2 कॉलम के साथ कुछ बेतरतीब ढंग से उत्पन्न डेटा को देखते हुए, 50 पंक्तियों और पूर्णांक रेंज 0-100 के साथ आर के बीच , poisson glm और डायग्नोस्टिक्स प्लॉट को इस प्रकार हासिल किया जा सकता है: > col=2 > ro

    7गर्मी

    3उत्तर

    का आकार घटाना मेरे पास एक साधारण पांडा pyinstaller exe है जो 40 एमबी से अधिक है। मेरे exe उदाहरण: इस के लिए import collections import csv import selenium import pandas print('hi') 40MB + थोड़ा

    11गर्मी

    1उत्तर

    के साथ कस्टम स्क्रिप्ट को चलाने/तैनात करने में सक्षम नहीं है मुझे शब-छवि के साथ कस्टम स्क्रिप्ट को चलाने/तैनात करने में समस्या है। setup.py from setuptools import setup, find_packages setup( nam

    9गर्मी

    2उत्तर

    बनाने की तारीख के कारण जेसन सरणी परिणाम प्रतिक्रिया को अनुकूलित करें मेरे पास यह Django REST API है जो मैं जेसन प्रतिक्रिया के लिए सूची क्वेरी परिणाम को कस्टमाइज़ करना चाहता हूं। इसका कारण तारीख स्वरू

    5गर्मी

    1उत्तर

    मैंने एक पीईजीटीके एप्लीकेशन बनाया जो हमेशा शीर्ष पर होना चाहिए। पारदर्शी विंडो माउस विंडो को नीचे की विंडो पर रीडायरेक्ट करती है और इसलिए जब आप अंडरलेइंग विंडो में क्लिक करते हैं तो फोकस से बाहर हो ज

    6गर्मी

    2उत्तर

    सारांश और परीक्षण मामलों मुख्य मुद्दा यह है कि Tensorflow एक बैच है कि पहले नहीं है, जैसा कि मैंने उम्मीद होती है पर यह OOM आवंटन फेंकता है। इसलिए, मेरा मानना ​​है कि एक स्मृति रिसाव है क्योंकि प्रत्य

    5गर्मी

    1उत्तर

    मुझे नहीं पता कि * दस्तावेज है। ऐसा लगता है कि यह tf.multiply या tf.scalar_mul के बराबर हो सकता है। ऐसा है क्या?

    5गर्मी

    1उत्तर

    में झूठी-सच्ची संक्रमण ढूँढना एक numpy सरणी को देखते हुए: x = np.array([False, True, True, False, False, False, False, False, True, False]) मैं असत्य से सत्य में मूल्यों बदलाव समय की संख्या कैसे पता