ValueError: invalid literal for int() with base 10: 'aer'

#coding=utf-8
#Version:python3.6.0
#Tools:Pycharm 2017.3.2

import numpy as np
import tensorflow as tf
import re
TRAIN_PATH="data/ptb.train.txt"
EVAL_PATH="data/ptb.valid.txt"
TEST_PATH="data/ptb.test.txt"
HIDDEN_SIZE=300
NUM_LAYERS=2
VOCAB_SIZE=10000
TRAIN_BATCH_SIZE=20
TRAIN_NUM_STEP=35
EVAL_BATCH_SIZE=1
EVAL_NUM_STEP=1
NUM_EPOCH=5
LSTM_KEEP_PROB=0.9
EMBEDDING_KEEP_PROB=0.9
MAX_GRED_NORM=5
SHARE_EMB_AND_SOFTMAX=True
class PTBModel(object):
def init(self,is_training,batch_size,num_steps):
self.batch_size=batch_size
self.num_steps=num_steps
self.input_data=tf.placeholder(tf.int32,[batch_size,num_steps])
self.targets=tf.placeholder(tf.int32,[batch_size,num_steps])
dropout_keep_prob=LSTM_KEEP_PROB if is_training else 1.0
lstm_cells=[
tf.nn.rnn_cell.DropoutWrapper(tf.nn.rnn_cell.BasicLSTMCell(HIDDEN_SIZE),
output_keep_prob=dropout_keep_prob)
for _ in range (NUM_LAYERS)]
cell=tf.nn.rnn_cell.MultiRNNCell(lstm_cells)
self.initial_state=cell.zero_state(batch_size,tf.float32)
embedding=tf.get_variable("embedding",[VOCAB_SIZE,HIDDEN_SIZE])
inputs=tf.nn.embedding_lookup(embedding,self.input_data)
if is_training:
inputs=tf.nn.dropout(inputs,EMBEDDING_KEEP_PROB)
outputs=[]
state=self.initial_state
with tf.variable_scope("RNN"):
for time_step in range(num_steps):
if time_step>0:tf.get_variable_scope().reuse_variables()
cell_output,state=cell(inputs[:,time_step,:],state)
outputs.append(cell_output)

把输出队列展开成[batch,hidden_size*num_steps]的形状,然后再reshape成[batch*numsteps,hidden_size]的形状

    output=tf.reshape(tf.concat(outputs,1),[-1,HIDDEN_SIZE])
    if SHARE_EMB_AND_SOFTMAX:
        weight=tf.transpose(embedding)
    else:
        weight=tf.get_variable("weight",[HIDDEN_SIZE,VOCAB_SIZE])
    bias=tf.get_variable("bias",[VOCAB_SIZE])
    logits=tf.matmul(output,weight)+bias
    loss=tf.nn.sparse_softmax_cross_entropy_with_logits(
        labels=tf.reshape(self.targets,[-1]),
        logits=logits
    )
    self.cost=tf.reduce_sum(loss)/batch_size
    self.final_state=state
    #   只在训练模型时定义反向传播操作
    if not is_training:return
    trainable_variables=tf.trainable_variables()
    #控制梯度大小
    grads,_=tf.clip_by_global_norm(
        tf.gradients(self.cost,trainable_variables),MAX_GRED_NORM)
    # 定义优化方法
    optimizer=tf.train.GradientDescentOptimizer(learning_rate=1.0)
    # zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的对象,这样做的好处是节约了不少的内存。
    #定义训练步骤
    self.train_op=optimizer.apply_gradients(
        zip(grads,trainable_variables))

def run_epoch(session,model,batches,train_op,output_log,step):
total_costs=0.0
iters=0
state=session.run(model.initial_state)
for x,y in batches:
cost,state,_=session.run(
[model.cost,model.final_state,train_op],
{model.input_data:x,model.targets:y,
model.initial_state:state}
)
total_costs+=cost
iters+=model.num_steps
# 只有在训练时输出日志
if output_log and step %100==0:
print("After %d steps,perplexity is %.3f"%(
step,np.exp(total_costs/iters)
))
step +=1
return step,np.exp(total_costs/iters)
# 从文件中读取数据,并返回包含单词编号的数组
def read_data(file_path):
with open(file_path,"r") as fin:
id_string=" ".join([line.strip() for line in fin.readlines()])
id_list=[int(w) for w in id_string.split()] # 将读取的单词编号转为整数
return id_list
def make_batches(id_list,batch_size,num_step):
# 计算总的batch数量,每个batch包含的单词数量是batch_size*num_step try:

    num_batches=(len(id_list)-1)/(batch_size*num_step)
    data=np.array(id_list[:num_batches*batch_size*num_step])
    data=np.reshape(data,[batch_size,num_batches*num_step])

    data_batches=np.split(data,num_batches,axis=1)
    label=np.array(id_list[1:num_batches*batch_size*num_step+1])
    label=np.reshape(label,[batch_size,num_batches*num_step])

    label_batches=np.split(label,num_batches,axis=1)
    return list(zip(data_batches,label_batches))

def main():
# 定义初始化函数
intializer=tf.random_uniform_initializer(-0.05,0.05)
with tf.variable_scope("language_model",reuse=None,initializer=intializer):
train_model=PTBModel(True,TRAIN_BATCH_SIZE,TRAIN_NUM_STEP)
with tf.variable_scope("language_model",reuse=True,initializer=intializer):
eval_model=PTBModel(False,EVAL_BATCH_SIZE,EVAL_NUM_STEP)
with tf.Session() as session:
tf.global_variables_initializer().run()
train_batches=make_batches(read_data(TRAIN_PATH),TRAIN_BATCH_SIZE,TRAIN_NUM_STEP)
eval_batches=make_batches(read_data(EVAL_PATH),EVAL_BATCH_SIZE,EVAL_NUM_STEP)
test_batches=make_batches(read_data(TEST_PATH),EVAL_BATCH_SIZE,EVAL_NUM_STEP)
step=0
for i in range(NUM_EPOCH):
print("In iteration:%d" % (i+1))
step,train_pplx=run_epoch(session,train_model,train_batches,train_model.train_op,True,step)
print("Epoch:%d Train perplexity:%.3f"%(i+1,train_pplx))
,eval_pplx=run_epoch(session,eval_model,eval_batches,tf.no_op,False,0)
print("Epoch:%d Eval perplexity:%.3f"%(i+1,eval_pplx))
_,test_pplx=run_epoch(session,eval_model,test_batches,tf.no_op(),False,0)
print("Test perplexity:%.3f"% test_pplx)
if __name
_ == '__main__':
main()

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
torchtext使用 ValueError: invalid literal for int() with base 10: ''wen'ti
batch进行迭代时候报这个错误,试了好久都不知道是哪里出错了 ``` C:\ToolsAnaconda3\lib\site-packages\torchtext\data\field.py in <listcomp>(.0) 353 if not self.sequential: 354 arr = [numericalization_func(x) if isinstance(x, six.string_types) --> 355 else x for x in arr] 356 if self.postprocessing is not None: 357 arr = self.postprocessing(arr, None) ValueError: invalid literal for int() with base 10: '' ```
Django创建超级用户时,出现错误 ValueError: invalid literal for int() with base 10: ''
ERROR exception 135 Internal Server Error: /users/ Traceback (most recent call last): File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/core/handlers/exception.py", line 41, in inner response = get_response(request) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/core/handlers/base.py", line 187, in _get_response response = self.process_exception_by_middleware(e, request) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/core/handlers/base.py", line 185, in _get_response response = wrapped_callback(request, *callback_args, **callback_kwargs) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/views/decorators/csrf.py", line 58, in wrapped_view return view_func(*args, **kwargs) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/views/generic/base.py", line 68, in view return self.dispatch(request, *args, **kwargs) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/rest_framework/views.py", line 505, in dispatch response = self.handle_exception(exc) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/rest_framework/views.py", line 465, in handle_exception self.raise_uncaught_exception(exc) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/rest_framework/views.py", line 476, in raise_uncaught_exception raise exc File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/rest_framework/views.py", line 502, in dispatch response = handler(request, *args, **kwargs) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/rest_framework/generics.py", line 242, in post return self.create(request, *args, **kwargs) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/rest_framework/mixins.py", line 19, in create self.perform_create(serializer) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/rest_framework/mixins.py", line 24, in perform_create serializer.save() File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/rest_framework/serializers.py", line 213, in save self.instance = self.create(validated_data) File "/home/python/dihai02/per02/apps/users/serializers/user.py", line 25, in create user = User.objects.create_user(**validated_data) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/contrib/auth/models.py", line 159, in create_user return self._create_user(username, email, password, **extra_fields) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/contrib/auth/models.py", line 153, in _create_user user.save(using=self._db) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/contrib/auth/base_user.py", line 80, in save super(AbstractBaseUser, self).save(*args, **kwargs) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/base.py", line 808, in save force_update=force_update, update_fields=update_fields) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/base.py", line 838, in save_base updated = self._save_table(raw, cls, force_insert, force_update, using, update_fields) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/base.py", line 924, in _save_table result = self._do_insert(cls._base_manager, using, fields, update_pk, raw) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/base.py", line 963, in _do_insert using=using, raw=raw) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/manager.py", line 85, in manager_method return getattr(self.get_queryset(), name)(*args, **kwargs) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/query.py", line 1076, in _insert return query.get_compiler(using=using).execute_sql(return_id) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/sql/compiler.py", line 1111, in execute_sql for sql, params in self.as_sql(): File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/sql/compiler.py", line 1064, in as_sql for obj in self.query.objs File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/sql/compiler.py", line 1064, in <listcomp> for obj in self.query.objs File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/sql/compiler.py", line 1063, in <listcomp> [self.prepare_value(field, self.pre_save_val(field, obj)) for field in fields] File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/sql/compiler.py", line 1003, in prepare_value value = field.get_db_prep_save(value, connection=self.connection) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/fields/__init__.py", line 770, in get_db_prep_save prepared=False) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/fields/__init__.py", line 762, in get_db_prep_value value = self.get_prep_value(value) File "/home/python/.virtualenvs/yuan/lib/python3.7/site-packages/django/db/models/fields/__init__.py", line 1853, in get_prep_value return int(value) ValueError: invalid literal for int() with base 10: ''
python如何输入二维数组
新手刚学python,用的是python3.4,想通过input输入二维数组后程序用数组中的元素进行运算,运行时有错误代码ValueError: invalid literal for int() with base 10, 该怎么解决?如果不能直接输入的话,是否可以通过输入每个元素及行列数构成二维数组?
python3 记录从ip.txt循环ping ip不通的时间和ip
import os import time for line in open('ip.txt'): line = int(line.replace('\n','')) result=os.system('ping -n 1 -w 1 ip'% line) time=time.time() print(result) 报错了,ip地址中既有数字,也有字符。别人的为啥都能ping,我的还要分开格式转换一下吗?太麻烦了吧。 line = int(line.replace('\n','')) ValueError: invalid literal for int() with base 10: '22.72.156.254'
不懂就问,python异常处理里的as有什么用?
e是个啥 ``` try: int("var") except ValueError as e: print(type(ValueError)) print(type(e)) print(ValueError) print(e) ``` ``` output: <class 'type'> <class 'ValueError'> <class 'ValueError'> invalid literal for int() with base 10: 'var' ```
python matplotlib 画两条折线图 其中一组数据有空值 如何处理?
python matplotlib 画两条折线图 其中一组数据有空值 如何处理? import csv from datetime import datetime from matplotlib import pyplot as plt filename = 'data.csv' with open(filename) as f: reader = csv.reader(f) header_row = next(reader) dates = [] temp1 = [] temp2 = [] for row in reader: time = row[1] + '-' + row[2] + '-' + row[3] current_date = datetime.strptime(time, "%Y-%m-%d") dates.append(current_date) tempm1 = int(float(row[7])) temp1.append(tempm1) tempm2 = int(row[28]) temp2.append(tempm2) fig = plt.figure(dpi=128, figsize=(10,6)) plt.plot(dates, temp1, c='red') plt.plot(dates, temp2, c='blue') plt.show() 报错: C:\Users\yo\AppData\Local\Programs\Python\Python37\python.exe F:/论文/data/compare/compare.py Traceback (most recent call last): File "F:/论文/data/compare/compare.py", line 26, in <module> tempm2 = int(row[28]) ValueError: invalid literal for int() with base 10: '20.075' Process finished with exit code 1 试过if 不为空值处理,然后数据对不齐了 我想要如果是空值图上就不显示 数据是有小数的所以就用int float 处理 请各位大神帮忙 谢谢!
报错信息,字符串截取问题
遇到了一个令人郁闷的错误: ``` import matplotlib.pyplot as plt plt.figure() plt.axes() file=open("C:/Users/jyz_1/Desktop/新建文本文档.txt") file=file.read() lines=file.split("重庆") x=[0,10,20,30,40] tu1,tu2,tu3,tu4,tu5=0,0,0,0,0 tl1,tl2,tl3,tl4,tl5=0,0,0,0,0 i=0 for line in lines: inn=line.index('\n') inc=line.index("C") if i==0: tu=int(line[line.find("\n",line.find("\n",inn+1))+1:inc]) if "~" in line: tl=int(line[line.index('~')+1:line.rindex('C')]) else: tl=tu i=i+1 else: tu=int(line[line.find("\n",line.find("\n",inn+1)+1)+1:inc]) if "~" in line: tl=int(line[line.index('~')+1:line.rindex('C')]) else: tl=tu ``` ``` Traceback (most recent call last): File "C:\Users\jyz_1\AppData\Local\Programs\Python\Python37-32\13.py", line 21, in <module> tu=int(line[line.find("\n",line.find("\n",inn+1)+1)+1:inc]) ValueError: invalid literal for int() with base 10: '' ``` > 以下是部分文件内容: 2016-9-20 阴 19C 微风 重庆 2016-9-21 多云 20C 微风 重庆 基本就是这些的重复。代码的目的是找到每天的最高和最低气温。 问题在于:之前的几百次循环都没有问题,不知道是哪一步就变成这样了
字符串切片,哪里有错误
按照如下代码,遍历file中的字符串 ``` import matplotlib.pyplot as plt plt.figure() plt.axes() file=open("C:/Users/jyz_1/Desktop/新建文本文档.txt") file=file.read() lines=file.split("重庆") x=[0,10,20,30,40] tu1,tu2,tu3,tu4,tu5=0,0,0,0,0 tl1,tl2,tl3,tl4,tl5=0,0,0,0,0 for line in lines: tu=int(line[line.find("\n",line.index("\n")+1)+1:line.index("C")]) tl=int(line[line.index("~")+1:line.find("C",line.index("C")+1)]) ``` 然后python报错: ``` Traceback (most recent call last): File "C:\Users\jyz_1\AppData\Local\Programs\Python\Python37-32\13.py", line 11, in <module> tu=int(line[line.find("\n",line.index("\n")+1)+1:line.index("C")]) ValueError: invalid literal for int() with base 10: '阴\n10' ``` 使用debug发现是第二次索引file时tu的值错误 于是我在shell里尝试: ``` >>> lines=['2015-1-1\n阴\n11c~7c\n微风','2015-1-2\n阴\n10c~8c\n微风'] >>> for line in lines: line[line.find("\n",line.index("\n")+1)+1:line.index("c")] '11' '10' ``` 结果并没有出错!那么是哪里有问题呢?
python3 tkinter获取Entry输入值报错
``` #!/usr/bin/env python # encoding: utf-8 from tkinter import * top = Tk() top.title('计算器') top.grid_size() label0 = Label(top, text='计算器', font='仿宋 24 bold', width=20, height=2) label0.grid(row=0, column=1, columnspan=3, rowspan=2) label1 = Label(top, text='输入参数一:', font='楷体 13', width=16, height=1) label1.grid(row=2, column=0) label2 = Label(top, text='输入参数二:', font='楷体 13', width=16, height=1) label2.grid(row=3, column=0) input1 = Entry(top, width=20) data1 = int(input1.get()) input1.grid(row=2, column=1) input2 = Entry(top, width=20) data2 = int(input2.get()) input2.grid(row=3, column=1) button1 = Button(top, text='滚加', width=20, height=1) button1.grid(row=6, column=0) jieguo = Text(top, width=40, height=6) jieguo.grid(row=2, column=2, rowspan=4, columnspan=2) button6 = Button(top, text='退出', command=top.quit(), width=110) button6.grid(row=8, column=0, columnspan=5) mainloop() ``` 做的一个小计算器,具体计算过程还没写,刚写了一个可视界面,运行时报错,问问各位大神,(=@__@=)哪里错了 data1 = int(input1.get()) ValueError: invalid literal for int() with base 10: ''
字符串能不能转换成浮点数?
我最近在学习超高精度数字的加减法(比如精确到小数点后100位),于是我写了一个函数来计算,代码如下。如有其它缺陷,请各位大神帮忙指出。 ``` import math def DoublePlus(*pluser): #检测传入的加数是不是小数 pluser=list(pluser) m=0 for i in pluser: pluser[m]=str(i) m=m+1 print(pluser) m=0 for i in pluser: m=m+1 print(i.find('.')) if not (i.find('.')==-1): pass else: raise ValueError ("在第"+str(m)+"个加数中不是小数") #通过竖式的方式进行加法运算 #共进行pluser的长度-1次循环 for index in range(len(pluser)-1): x=pluser[index]#加数1 y=pluser[index+1]#加数2 print(math.floor(int(x))) x_integer_part=math.floor(int(x))#加数1的整数部分 y_integer_part=math.floor(int(y))#加数2的整数部分 #取x和y的小数部分 x_point=x.find('.') x_decimal_part=int('0'+x[x_point::]) y_point=y.find('.') x_decimal_part=int('0'+y[y_point::]) #开始计算(小数部分 ) #位数少的补0 if len(x_decimal_part)>len(y_decimal_part): poor=x_decimal_part-y_decimal_part y_decimal_part=y_decimal_part+'0'*poor elif len(y_decimal_part)>len(x_decimal_part): poor=y_decimal_part-x_decimal_part x_decimal_part=x_decimal_part+'0'*poor else: pass #倒序 x_decimal_part=x_decimal_part[::-1] y_decimal_part=y_decimal_part[::-1] #初始没有进位 carry=False if __name__=='__main__': DoublePlus(15.685,2.1,3.1,4.1) ``` 但是print(math.floor(int(x))) 这一行老是报错,说:ValueError: invalid literal for int() with base 10: '15.685',虽然能看懂,但不知道如何解决,Python2的string库在3中已经无法使用了,实在不知道如何解决,求各位大神帮忙解决,感谢!
(可有偿求助)为什么Tensorflow生成TFRecord 代码失败?
``` import tensorflow as tf import os import random import math import sys from PIL import Image import numpy as np # In[2]: #验证集数量 _NUM_TEST = 500 #随机种子 _RANDOM_SEED = 0 #数据集路径 需要自己改动 DATASET_DIR = "D:/PycharmProjects/test/captcha/images" #tfrecord文件存放路径 需要自己改动 TFRECORD_DIR = "D:/PycharmProjects/test/captcha" #判断tfrecord文件是否存在 def _dataset_exists(dataset_dir): for split_name in ['train', 'test']: output_filename = os.path.join(dataset_dir,split_name + '.tfrecords') if not tf.gfile.Exists(output_filename): return False return True #获取所有验证码图片 def _get_filenames_and_classes(dataset_dir): photo_filenames = [] for filename in os.listdir(dataset_dir): #获取文件路径 path = os.path.join(dataset_dir, filename) photo_filenames.append(path) return photo_filenames def int64_feature(values): if not isinstance(values, (tuple, list)): values = [values] return tf.train.Feature(int64_list=tf.train.Int64List(value=values)) def bytes_feature(values): return tf.train.Feature(bytes_list=tf.train.BytesList(value=[values])) def image_to_tfexample(image_data, label0, label1, label2, label3): #Abstract base class for protocol messages. return tf.train.Example(features=tf.train.Features(feature={ 'image': bytes_feature(image_data), 'label0': int64_feature(label0), 'label1': int64_feature(label1), 'label2': int64_feature(label2), 'label3': int64_feature(label3), })) #把数据转为TFRecord格式 def _convert_dataset(split_name, filenames, dataset_dir): assert split_name in ['train', 'test'] with tf.Session() as sess: #定义tfrecord文件的路径+名字 output_filename = os.path.join(TFRECORD_DIR,split_name + '.tfrecords') with tf.python_io.TFRecordWriter(output_filename) as tfrecord_writer: for i,filename in enumerate(filenames): try: sys.stdout.write('\r>> Converting image %d/%d' % (i+1, len(filenames))) sys.stdout.flush() #读取图片 image_data = Image.open(filename) #根据模型的结构resize 需要自己改 动 image_data = image_data.resize((224, 224)) #灰度化 image_data = np.array(image_data.convert('L')) #将图片转化为bytes image_data = image_data.tobytes() #获取label labels = filename.split('/')[-1][0:4] num_labels = [] for j in range(4): num_labels.append(int(labels[j])) #生成protocol数据类型 下面行 为了多任务学习拆成了4行 example = image_to_tfexample(image_data, num_labels[0], num_labels[1], num_labels[2], num_labels[3]) tfrecord_writer.write(example.SerializeToString()) except IOError as e: print('Could not read:',filename) print('Error:',e) print('Skip it\n') sys.stdout.write('\n') sys.stdout.flush() #判断tfrecord文件是否存在 if _dataset_exists(TFRECORD_DIR): print('tfcecord文件已存在') else: #获得所有图片 photo_filenames = _get_filenames_and_classes(DATASET_DIR) #把数据切分为训练集和测试集,并打乱 random.seed(_RANDOM_SEED) random.shuffle(photo_filenames) training_filenames = photo_filenames[_NUM_TEST:] testing_filenames = photo_filenames[:_NUM_TEST] #数据转换 _convert_dataset('train', training_filenames, DATASET_DIR) _convert_dataset('test', testing_filenames, DATASET_DIR) print('生成tfcecord文件') D:\Anaconda3\python.exe D:/PycharmProjects/test/10-2生成tfrecord文件.py >> Converting image 1/5811Traceback (most recent call last): File "D:/PycharmProjects/test/10-2生成tfrecord文件.py", line 118, in <module> _convert_dataset('train', training_filenames, DATASET_DIR) File "D:/PycharmProjects/test/10-2生成tfrecord文件.py", line 91, in _convert_dataset num_labels.append(int(labels[j])) ValueError: invalid literal for int() with base 10: 'i' ``` 我可以微信红包
《MySQL 性能优化》之理解 MySQL 体系结构
本文介绍 MySQL 的体系结构,包括物理结构、逻辑结构以及插件式存储引擎。
程序员请照顾好自己,周末病魔差点一套带走我。
程序员在一个周末的时间,得了重病,差点当场去世,还好及时挽救回来了。
卸载 x 雷某度!GitHub 标星 1.5w+,从此我只用这款全能高速下载工具!
作者 | Rocky0429 来源 | Python空间 大家好,我是 Rocky0429,一个喜欢在网上收集各种资源的蒟蒻… 网上资源眼花缭乱,下载的方式也同样千奇百怪,比如 BT 下载,磁力链接,网盘资源等等等等,下个资源可真不容易,不一样的方式要用不同的下载软件,因此某比较有名的 x 雷和某度网盘成了我经常使用的工具。 作为一个没有钱的穷鬼,某度网盘几十 kb 的下载速度让我...
Python+OpenCV实时图像处理
目录 1、导入库文件 2、设计GUI 3、调用摄像头 4、实时图像处理 4.1、阈值二值化 4.2、边缘检测 4.3、轮廓检测 4.4、高斯滤波 4.5、色彩转换 4.6、调节对比度 5、退出系统 初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼,这里给各位分享一个小项目,可通过摄像头实时动态查看各类图像处理的特点,也可对各位调参、测试...
2020年一线城市程序员工资大调查
人才需求 一线城市共发布岗位38115个,招聘120827人。 其中 beijing 22805 guangzhou 25081 shanghai 39614 shenzhen 33327 工资分布 2020年中国一线城市程序员的平均工资为16285元,工资中位数为14583元,其中95%的人的工资位于5000到20000元之间。 和往年数据比较: yea...
为什么猝死的都是程序员,基本上不见产品经理猝死呢?
相信大家时不时听到程序员猝死的消息,但是基本上听不到产品经理猝死的消息,这是为什么呢? 我们先百度搜一下:程序员猝死,出现将近700多万条搜索结果: 搜索一下:产品经理猝死,只有400万条的搜索结果,从搜索结果数量上来看,程序员猝死的搜索结果就比产品经理猝死的搜索结果高了一倍,而且从下图可以看到,首页里面的五条搜索结果,其实只有两条才是符合条件。 所以程序员猝死的概率真的比产品经理大,并不是错...
害怕面试被问HashMap?这一篇就搞定了!
声明:本文以jdk1.8为主! 搞定HashMap 作为一个Java从业者,面试的时候肯定会被问到过HashMap,因为对于HashMap来说,可以说是Java集合中的精髓了,如果你觉得自己对它掌握的还不够好,我想今天这篇文章会非常适合你,至少,看了今天这篇文章,以后不怕面试被问HashMap了 其实在我学习HashMap的过程中,我个人觉得HashMap还是挺复杂的,如果真的想把它搞得明明白...
毕业5年,我问遍了身边的大佬,总结了他们的学习方法
我问了身边10个大佬,总结了他们的学习方法,原来成功都是有迹可循的。
python爬取百部电影数据,我分析出了一个残酷的真相
2019年就这么匆匆过去了,就在前几天国家电影局发布了2019年中国电影市场数据,数据显示去年总票房为642.66亿元,同比增长5.4%;国产电影总票房411.75亿元,同比增长8.65%,市场占比 64.07%;城市院线观影人次17.27亿,同比增长0.64%。 看上去似乎是一片大好对不对?不过作为一名严谨求实的数据分析师,我从官方数据中看出了一点端倪:国产票房增幅都已经高达8.65%了,为什...
推荐10个堪称神器的学习网站
每天都会收到很多读者的私信,问我:“二哥,有什么推荐的学习网站吗?最近很浮躁,手头的一些网站都看烦了,想看看二哥这里有什么新鲜货。” 今天一早做了个恶梦,梦到被老板辞退了。虽然说在我们公司,只有我辞退老板的份,没有老板辞退我这一说,但是还是被吓得 4 点多都起来了。(主要是因为我掌握着公司所有的核心源码,哈哈哈) 既然 4 点多起来,就得好好利用起来。于是我就挑选了 10 个堪称神器的学习网站,推...
这些软件太强了,Windows必装!尤其程序员!
Windows可谓是大多数人的生产力工具,集娱乐办公于一体,虽然在程序员这个群体中都说苹果是信仰,但是大部分不都是从Windows过来的,而且现在依然有很多的程序员用Windows。 所以,今天我就把我私藏的Windows必装的软件分享给大家,如果有一个你没有用过甚至没有听过,那你就赚了????,这可都是提升你幸福感的高效率生产力工具哦! 走起!???? NO、1 ScreenToGif 屏幕,摄像头和白板...
阿里面试,面试官没想到一个ArrayList,我都能跟他扯半小时
我是真的没想到,面试官会这样问我ArrayList。
曾经优秀的人,怎么就突然不优秀了。
职场上有很多辛酸事,很多合伙人出局的故事,很多技术骨干被裁员的故事。说来模板都类似,曾经是名校毕业,曾经是优秀员工,曾经被领导表扬,曾经业绩突出,然而突然有一天,因为种种原因,被裁员了,...
大学四年因为知道了这32个网站,我成了别人眼中的大神!
依稀记得,毕业那天,我们导员发给我毕业证的时候对我说“你可是咱们系的风云人物啊”,哎呀,别提当时多开心啦????,嗯,我们导员是所有导员中最帅的一个,真的???? 不过,导员说的是实话,很多人都叫我大神的,为啥,因为我知道这32个网站啊,你说强不强????,这次是绝对的干货,看好啦,走起来! PS:每个网站都是学计算机混互联网必须知道的,真的牛杯,我就不过多介绍了,大家自行探索,觉得没用的,尽管留言吐槽吧???? 社...
良心推荐,我珍藏的一些Chrome插件
上次搬家的时候,发了一个朋友圈,附带的照片中不小心暴露了自己的 Chrome 浏览器插件之多,于是就有小伙伴评论说分享一下我觉得还不错的浏览器插件。 我下面就把我日常工作和学习中经常用到的一些 Chrome 浏览器插件分享给大家,随便一个都能提高你的“生活品质”和工作效率。 Markdown Here Markdown Here 可以让你更愉快的写邮件,由于支持 Markdown 直接转电子邮...
看完这篇HTTP,跟面试官扯皮就没问题了
我是一名程序员,我的主要编程语言是 Java,我更是一名 Web 开发人员,所以我必须要了解 HTTP,所以本篇文章就来带你从 HTTP 入门到进阶,看完让你有一种恍然大悟、醍醐灌顶的感觉。 最初在有网络之前,我们的电脑都是单机的,单机系统是孤立的,我还记得 05 年前那会儿家里有个电脑,想打电脑游戏还得两个人在一个电脑上玩儿,及其不方便。我就想为什么家里人不让上网,我的同学 xxx 家里有网,每...
剑指Offer对答如流系列 - 重建二叉树
面试题6:重建二叉树 题目:输入某二叉树的前序遍历和中序遍历的结果,请重建出该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。例如输入前序遍历序列{1,2,4,7,3,5,6,8}和中序遍历序列{4,7,2,1,5,3,8,6},则重建出图2.6所示的二叉树并输出它的头结点。二叉树结点的定义如下: class TreeNode{ int val; TreeNode l...
史上最全的IDEA快捷键总结
现在Idea成了主流开发工具,这篇博客对其使用的快捷键做了总结,希望对大家的开发工作有所帮助。
阿里程序员写了一个新手都写不出的低级bug,被骂惨了。
这种新手都不会范的错,居然被一个工作好几年的小伙子写出来,差点被当场开除了。
谁是华为扫地僧?
是的,华为也有扫地僧!2020年2月11-12日,“养在深闺人不知”的华为2012实验室扫地僧们,将在华为开发者大会2020(Cloud)上,和大家见面。到时,你可以和扫地僧们,吃一个洋...
AI 没让人类失业,搞 AI 的人先失业了
最近和几个 AI 领域的大佬闲聊 根据他们讲的消息和段子 改编出下面这个故事 如有雷同 都是巧合 1. 老王创业失败,被限制高消费 “这里写我跑路的消息实在太夸张了。” 王葱葱哼笑一下,把消息分享给群里。 阿杰也看了消息,笑了笑。在座几位也都笑了。 王葱葱是个有名的人物,21岁那年以全额奖学金进入 KMU 攻读人工智能博士,累计发表论文 40 余篇,个人技术博客更是成为深度学习领域内风向标。 ...
2020年,冯唐49岁:我给20、30岁IT职场年轻人的建议
点击“技术领导力”关注∆每天早上8:30推送 作者|Mr.K 编辑| Emma 来源|技术领导力(ID:jishulingdaoli) 前天的推文《冯唐:职场人35岁以后,方法论比经验重要》,收到了不少读者的反馈,觉得挺受启发。其实,冯唐写了不少关于职场方面的文章,都挺不错的。可惜大家只记住了“春风十里不如你”、“如何避免成为油腻腻的中年人”等不那么正经的文章。 本文整理了冯...
一份王者荣耀的英雄数据报告
咪哥杂谈本篇阅读时间约为 6 分钟。1前言前一阵写了关于王者的一些系列文章,从数据的获取到数据清洗,数据落地,都是为了本篇的铺垫。今天来实现一下,看看不同维度得到的结论。2环境准备本次实...
作为一名大学生,如何在B站上快乐的学习?
B站是个宝,谁用谁知道???? 作为一名大学生,你必须掌握的一项能力就是自学能力,很多看起来很牛X的人,你可以了解下,人家私底下一定是花大量的时间自学的,你可能会说,我也想学习啊,可是嘞,该学习啥嘞,不怕告诉你,互联网时代,最不缺的就是学习资源,最宝贵的是啥? 你可能会说是时间,不,不是时间,而是你的注意力,懂了吧! 那么,你说学习资源多,我咋不知道,那今天我就告诉你一个你必须知道的学习的地方,人称...
那些年,我们信了课本里的那些鬼话
教材永远都是有错误的,从小学到大学,我们不断的学习了很多错误知识。 斑羚飞渡 在我们学习的很多小学课文里,有很多是错误文章,或者说是假课文。像《斑羚飞渡》: 随着镰刀头羊的那声吼叫,整个斑羚群迅速分成两拨,老年斑羚为一拨,年轻斑羚为一拨。 就在这时,我看见,从那拨老斑羚里走出一只公斑羚来。公斑羚朝那拨年轻斑羚示意性地咩了一声,一只半大的斑羚应声走了出来。一老一少走到伤心崖,后退了几步,突...
一个程序在计算机中是如何运行的?超级干货!!!
强烈声明:本文很干,请自备茶水!???? 开门见山,咱不说废话! 你有没有想过,你写的程序,是如何在计算机中运行的吗?比如我们搞Java的,肯定写过这段代码 public class HelloWorld { public static void main(String[] args) { System.out.println("Hello World!"); } ...
【蘑菇街技术部年会】程序员与女神共舞,鼻血再次没止住。(文末内推)
蘑菇街技术部的年会,别开生面,一样全是美女。
那个在阿里养猪的工程师,5年了……
简介: 在阿里,走过1825天,没有趴下,依旧斗志满满,被称为“五年陈”。他们会被授予一枚戒指,过程就叫做“授戒仪式”。今天,咱们听听阿里的那些“五年陈”们的故事。 下一个五年,猪圈见! 我就是那个在养猪场里敲代码的工程师,一年多前我和20位工程师去了四川的猪场,出发前总架构师慷慨激昂的说:同学们,中国的养猪产业将因为我们而改变。但到了猪场,发现根本不是那么回事:要个WIFI,没有;...
为什么程序猿都不愿意去外包?
分享外包的组织架构,盈利模式,亲身经历,以及根据一些外包朋友的反馈,写了这篇文章 ,希望对正在找工作的老铁有所帮助
Java校招入职华为,半年后我跑路了
何来 我,一个双非本科弟弟,有幸在 19 届的秋招中得到前东家华为(以下简称 hw)的赏识,当时秋招签订就业协议,说是入了某 java bg,之后一系列组织架构调整原因等等让人无法理解的神操作,最终毕业前夕,被通知调往其他 bg 做嵌入式开发(纯 C 语言)。 由于已至于校招末尾,之前拿到的其他 offer 又无法再收回,一时感到无力回天,只得默默接受。 毕业后,直接入职开始了嵌入式苦旅,由于从未...
世界上有哪些代码量很少,但很牛逼很经典的算法或项目案例?
点击上方蓝字设为星标下面开始今天的学习~今天分享四个代码量很少,但很牛逼很经典的算法或项目案例。1、no code 项目地址:https://github.com/kelseyhight...
​两年前不知如何编写代码的我,现在是一名人工智能工程师
全文共3526字,预计学习时长11分钟 图源:Unsplash 经常有小伙伴私信给小芯,我没有编程基础,不会写代码,如何进入AI行业呢?还能赶上AI浪潮吗? 任何时候努力都不算晚。 下面,小芯就给大家讲一个朋友的真实故事,希望能给那些处于迷茫与徘徊中的小伙伴们一丝启发。(下文以第一人称叙述) 图源:Unsplash 正如Elsa所说,职业转换是...
强烈推荐10本程序员必读的书
很遗憾,这个春节注定是刻骨铭心的,新型冠状病毒让每个人的神经都是紧绷的。那些处在武汉的白衣天使们,尤其值得我们的尊敬。而我们这些窝在家里的程序员,能不外出就不外出,就是对社会做出的最大的贡献。 有些读者私下问我,窝了几天,有点颓丧,能否推荐几本书在家里看看。我花了一天的时间,挑选了 10 本我最喜欢的书,你可以挑选感兴趣的来读一读。读书不仅可以平复恐惧的压力,还可以对未来充满希望,毕竟苦难终将会...
非典逼出了淘宝和京东,新冠病毒能够逼出什么?
loonggg读完需要5分钟速读仅需 2 分钟大家好,我是你们的校长。我知道大家在家里都憋坏了,大家可能相对于封闭在家里“坐月子”,更希望能够早日上班。今天我带着大家换个思路来聊一个问题...
用前端5分钟写一个在线m3u8在线播放器
&lt;!DOCTYPE html&gt; &lt;html lang="en"&gt; &lt;head&gt; &lt;meta charset="UTF-8"&gt; &lt;meta name="viewport" content="width=device-width, initial-scale=1.0"&gt; &lt;meta http-equiv="X...
Spring框架|JdbcTemplate介绍
文章目录一、JdbcTemplate 概述二、创建对象的源码分析三、JdbcTemplate操作数据库 一、JdbcTemplate 概述 在之前的web学习中,学习了手动封装JDBCtemplate,其好处是通过(sql语句+参数)模板化了编程。而真正的JDBCtemplete类,是Spring框架为我们写好的。 它是 Spring 框架中提供的一个对象,是对原始 Jdbc API 对象的简单...
谁说程序员不懂浪漫——我的C语言结婚请柬(附源码)
前言:但行好事,莫问前程——《增广贤文》 从上学起开始学C++,后面也做过H5,现在做Android。无论是学习用的,还是工作用的,上百个软件不止。但最另我骄傲的是,我用程序烂漫了一把。 用C++语言,利用WIN32框架写一个结婚请柬,文末附源码和使用方法,大家可以自行修改,记得帮我点赞哦。 点开程序,你的电脑像中毒一般,漫天的樱花从屏幕上方,伴随着歌声《今天你要嫁给我》,缓缓落下。 ...
2020年2月中国编程语言排行榜
编程语言比例 排名 编程语言 最低工资 工资中位数 最低工资 最高工资 人头 人头百分比 1 rust 21433 20000 5266 45000 369 0.11% 2 typescript 18727 22500 6500 30000 1841 0.57% 3 go 18292 16000 6175 40000 23860 7.35% 4 lua 18219 1...
立即提问