_id
stringlengths
2
7
title
stringclasses
1 value
partition
stringclasses
3 values
language
stringclasses
1 value
meta_information
dict
text
stringlengths
5
1.76k
c85520
train
{ "resource": "" }
Печатает читаемое строковое представление Quil для этой гates. :возвращает: Строковое представление гейта :rtype: строка
c85540
train
{ "resource": "" }
Назначает терм Паули из списка операторов и индексов. Это более эффективно, чем умножение отдельных термов. :param list terms_list: Список кортежей, например, [("X", 0), ("Y", 1)] :return: PauliTerm
c85560
train
{ "resource": "" }
Постройте квантовый компьютер, работающий с помощью QVM. Это минимальный обертка над конструкторами QuantumComputer, QVM и QVMCompiler. :param name: Строка идентифицирует этот определённый квантовый компьютер. :param qvm_type: Тип QVM. Это должно быть либо qvm, либо pyqvm. :param device: Устройство, соответствующее интерфейсу AbstractDevice. :param noise_model: Опциональная модель шума. :param requires_executable: Определяет, будет ли этот QVM отказывать в выполнении :py:class:`Program` и принимать только результат :py:func:`compiler.native_quil_to_executable`. Установка этого параметра в True лучше имитирует поведение квантового процессора (QPU). :param connection: Опциональный объект :py:class:`ForestConnection`. Если не указан, будут использованы значения по умолчанию для конечных точек URL. :возвращение: Квантовый компьютер, работающий с помощью QVM, с указанными выше параметрами.
c85580
train
{ "resource": "" }
Вернуть указатели кубитов, которые ранее были перевёрнуты, что указано флажками `bits_set`.
c85600
train
{ "resource": "" }
Создайте истинное указание. :param classical_reg: Классическая регистрация для изменения. :return: Объект инструкции, представляющий эквивалентное MOVE.
c85620
train
{ "resource": "" }
Вспомогательная функция для получения соответствующей метки для заданного маркера или создания новой метки и обновления соответствия. См. :py:func:`instantiate_labels` для использования.
c85640
train
{ "resource": "" }
Обработайте ошибку, сгенерированную в подпрограмме, украшенной обработчиком ошибок pyQuil. :param exception: Объект исключения, который сгенерировал данную ошибку. :param trace: объект inspect.trace из кадра, который поймал ошибку. :return: объект ErrorReport
c85660
train
{ "resource": "" }
Создайте сокращённое строковое представление Программы. Это сведёт все инструкции в одну строку, разделённую '; '. Если количество инструкций превышает ``max_len``, некоторые из них будут исключены из строкового представления.
c85680
train
{ "resource": "" }
Преобразует заданный URL с указанными аргументами.
c85700
train
{ "resource": "" }
Снимок экрана будет в формате PNG.
c85720
train
{ "resource": "" }
Декоратор для реализации экспоненциального отката при повторной попытке после сбоев. tries: Максимальное количество попыток выполнить заключённую функцию перед потерей. delay: Время задержки в секундах перед ПЕРВЫМ повтором. backoff: Множитель, увеличивающий начальную задержку для каждой повторной попытки. max_delay: Максимальное время в секундах, в течение которого можно ждать между повторными попытками.
c85740
train
{ "resource": "" }
Скачивает файл JAR Selenium Server с его онлайн-расположения и сохраняет его локально.
c85760
train
{ "resource": "" }
Фильтрует предложенный запрос с помощью нижеследующей регулярки и возвращает списки закавыченных и не закавыченных строк.
c85780
train
{ "resource": "" }
Вернуть экземпляр приложения Flask. Аргументы: debug (bool): флаг для активации режима отладки приложения (по умолчанию: False). threads (int): количество потоков для использования. Возвращает: экземпляр приложения Flask.
c85800
train
{ "resource": "" }
API-конечная точка для получения связанных блоков для транзакции. Возвращает: Список идентификаторов ``block_id``, которые содержат данную транзакцию. Список может быть отфильтрован при предоставлении параметра запроса статуса: "валидный", "недействительный", "неопределенный".
c85820
train
{ "resource": "" }
Создайте новое соединение с базой данных в backend. Все аргументы, если не указаны, по умолчанию примут значения текущей конфигурации. Аргументы: backend (str): имя backend'а, который должен быть использован. host (str): хост, к которому нужно подключиться. port (int): порт, к которому нужно подключиться. name (str): имя базы данных, которую нужно использовать. replicaset (str): имя реплика-сета (только актуально для соединений с MongoDB). Возвращает: Экземпляр класса :class:`~bigchaindb.backend.connection.Connection` на основе указанного (или принятого по умолчанию) :attr:`backend`. Поднимает: :exc:`~ConnectionError`: Если соединение с базой данных не удается. :exc:`~ConfigurationError`: Если указанный (или принятый по умолчанию) :attr:`backend` не поддерживается или не может быть загружен. :exc:`~AuthenticationError`: Если произошел OperationFailure из-за ошибки аутентификации после подключения к базе данных.
c85840
train
{ "resource": "" }
Проверьте совместимость Tendermint с сервером BigchainDB :param running_tm_ver: Версия подключенного к экземпляру Tendermint :type running_tm_ver: str :return: Истина/Ложь в зависимости от совместимости с сервером BigchainDB :rtype: bool
c85860
train
{ "resource": "" }
Запустить сервер приложений. Возврат: aiohttp приложение.
c85880
train
{ "resource": "" }
Настроить каталог до тех пор, пока не будет найдена база данных компиляции.
c85900
train
{ "resource": "" }
Обновите сообщение посвящённое первой встрече после получения события "pin_added" в Slack. Обновите также временную метку на запись в сообщении посвящённой первой встрече.
c85920
train
{ "resource": "" }
Списки и фильтры для файлов команды.
c85940
train
{ "resource": "" }
Получение информации о платных пользователях для текущей команды.
c85960
train
{ "resource": "" }
Проверьте, был ли успешным ответ от Slack. Возвращает: (SlackResponse) Этот метод возвращает его сам объект, например, 'self'. Поднимаем: SlackApiError: Возникла ошибка при запросе к Slack API.
c85980
train
{ "resource": "" }
Определите, подключены ли мы к способной терминалу.
c86000
train
{ "resource": "" }
Возвращает соответствие между абсолютным путем исходного файла и абсолютным путем выходного файла, как это указано в объекте sources. Наличие файлов не гарантируется.
c86020
train
{ "resource": "" }
Энергия = a1' y1 + u1' y1 + y1' умножить на y2 + u2' y2 + y2' умножить на y3 + u3' y3 + an' y3
c86040
train
{ "resource": "" }
Очищает куки HTTP-запроса :param client: клиент Elastic APM :param event: транзакция или событие ошибки :return: измененное событие
c86060
train
{ "resource": "" }
Выполняет фактическую генерацию параметризованного ноутбука локально. Аргументы: nb (NotebookNode): Объект исполняемого ноутбука. kernel_name (str): Имя ядра для выполнения ноутбука. log_output (bool): Флаг для того, писать ли вывод ноутбука в stderr. start_timeout (int): Длительность ожидания для запуска ядра. execution_timeout (int): Длительность ожидания перед тем, как считать выполнение неудачным (по умолчанию: никогда). Примечание: Концепция предпроцессора в данном методе аналогична той, которая используется в `nbconvert`, и здесь вводящая в заблуждение. Предпроцессор представляет собой обработчик ноутбука, а не объект подготовки.
c86080
train
{ "resource": "" }
Вызывает `callback` для каждого события нажатия клавиши (KEY_DOWN). Для получения дополнительной информации обратитесь к `hook`.
c86100
train
{ "resource": "" }
Перебирает сообщения из очереди событий и обрабатывает их по порядку.
c86120
train
{ "resource": "" }
Отобразите версию и детали установки Setuptools, а затем завершите работу.
c86140
train
{ "resource": "" }
Переместите файлы данных в каталог сборки
c86160
train
{ "resource": "" }
Папка каталога исполняемых файлов Microsoft Windows SDK.
c86180
train
{ "resource": "" }
Среда сборки Майкрософт
c86200
train
{ "resource": "" }
Установите качелевой диск в качестве каталога яйца.
c86240
train
{ "resource": "" }
Проверьте, что этот метод имеет смысл в контексте распределения. Этот метод вызывается распределением непосредственно перед тем, как оно собирает свой командный запуск. Он проверяет, чтобы атрибут 'remove', если он имеется, содержал только действительные имена пакетов/модулей, которые присутствуют в базовом распределении, когда вызывается 'setup()'. Вы можете переопределить его в подклассе для выполнения других необходимых проверок данной функции на целевое распределение.
c86260
train
{ "resource": "" }
Найти все файлы под 'path'
c86280
train
{ "resource": "" }
Найти все файлы под версионным контролем
c86300
train
{ "resource": "" }
Не работает!!!
c86320
train
{ "resource": "" }
Оценивает p-значения из Z-оценок `ScaledFScore` с использованием неверной предпосылки о том, что масштабированные f-оценки имеют нормальное распределение. Параметры ---------- X : np.array Массив размеченных слов, размерность (N, 2), где N — размер словаря. X[:,0] соответствует положительному классу, а X[:,1] — отрицательному классу. Возвращает ---------- np.array p-значений
c86340
train
{ "resource": "" }
Создать графический пользовательский интерфейс.
c86360
train
{ "resource": "" }
Загрузить таблицу запросов из файла модели
c86380
train
{ "resource": "" }
Извлечь список гиперссылок из HTML-документа.
c86400
train
{ "resource": "" }
Предоставьте генератор get_content для материалов на главной странице. Это соответствует материалам, предоставляемым ``https://www.reddit.com/`` для сеанса. Дополнительные параметры передаются непосредственно в метод :meth:`.get_content`. Обратите внимание: параметр `url` не может быть изменен.
c86420
train
{ "resource": "" }
Возвращает генератор для подач, соответствующих запросу поиска. :param query: Строка запроса для поиска. Если запрос — URL, то будут вернуты только подачи, которые связаны с этим URL. :param subreddit: Ограничьте результаты поиска указанным сабреддитом, если он предоставлен. :param sort: Порядок сортировки результатов. :param syntax: Синтаксис запроса поиска. :param period: Временной период для результатов. Дополнительные параметры передаются напрямую в метод `.get_content`. Обратите внимание: параметр `url` нельзя изменять. Подробнее о том, как формировать запрос поиска, см. в разделе https://www.reddit.com/wiki/search.
c86440
train
{ "resource": "" }
Настройте параметр флаера для указанного сабреддита. :возвращает: JSON-ответ от сервера.
c86460
train
{ "resource": "" }
Верните объект Message, соответствующий указанному ID. :param message_id: ID или Fullname для сообщения Дополнительные параметры напрямую передаются в :meth:`~praw.objects.Message.from_id` объекта Message и в дальнейшем в :meth:`.request_json`.
c86480
train
{ "resource": "" }
Опубликуйте новый пост в указанном подразделе Reddit.
c86500
train
{ "resource": "" }
Попытка загрузить параметры из различных файлов praw.ini.
c86520
train
{ "resource": "" }
Отметьте выбранное сообщение или комментарий как прочитанное.
c86540
train
{ "resource": "" }
Откройте экземпляр страницы для подачи для указанного URL-адреса подачи.
c86560
train
{ "resource": "" }
Проверьте, совместима ли заданная тема с терминалом.
c86580
train
{ "resource": "" }
<p>Верни объект Submission, к которому принадлежит данный комментарий.
c86600
train
{ "resource": "" }
Обновите дерево комментариев, заменив сообщения типа MoreComments. :param limit: Максимальное количество объектов MoreComments, которые нужно заменить. Каждая замена требует 1 запроса к API. Установите значение в None, чтобы не было ограничений, или 0, чтобы не делать никаких дополнительных запросов. По умолчанию: 32 :param threshold: Минимальное количество дочерних комментариев, которые должен иметь объект MoreComments, чтобы его заменить. По умолчанию: 1 :returns: Список объектов MoreComments, которые не были заменены. Обратите внимание, что после этого вызова атрибут `comments` поста больше не будет содержать каких-либо объектов MoreComments. Не замененные элементы удаляются из дерева, и будут включены в возвращенный список.
c86620
train
{ "resource": "" }
Бесконечно давайте новые комментарии из указанного подподкаста. Комментарии предоставляются от старых к новым. :param reddit_session: reddit_session, с которого нужно делать запросы. Во всех примерах это присваивается переменной ``r``. :param subreddit: Либо объект подподкаста, либо имя подподкаста. Используйте `all`, чтобы получить поток комментариев ко всем комментариям, сделанным на reddit. :param limit: Максимальное количество комментариев, которые нужно получить за одну итерацию. Если None, получаем все доступные комментарии (reddit ограничивает это 1000 (или кратным 1000 для мультисубподкастов). Если это число слишком мало, некоторые комментарии могут быть пропущены. :param verbosity: Число, которое управляет количеством вывода на stderr. <= 0: никакого вывода; >= 1: выводит общее количество комментариев, которые были обработаны, и предоставляет количество обрабатываемых комментариев в секунду за короткие промежутки времени; >= 2: выводит информацию о том, когда добавлялись дополнительные задержки, чтобы избежать последующих непредвиденных http-ошибок. >= 3: вывод отладочной информации о потоке комментариев. (По умолчанию: 1)
c86640
train
{ "resource": "" }
Сжимание или разжатие двумя пальцами на данном Интерфейсе с заданным диапазоном движения и продолжительностью. Аргументы: direction (:py:obj:`str`): направление сжатия, только "in" или "out". "in" для сжатия, "out" для разжатия. percent (:py:obj:`float`): диапазон сжатия или разжатия, выраженный в процентах от границ Интерфейса. duration (:py:obj:`float`): временной интервал, в течение которого выполняется действие. dead_zone (:py:obj:`float`): радиус внутреннего круга сжатия. не должен превышать ``percent``. Вызывает: PocoNoSuchNodeException: возникает при отсутствии элемента Интерфейса.
c86660
train
{ "resource": "" }
Добавьте метки в список меток. Метка одного и того же типа не должна добавляться более одного раза.
c86680
train
{ "resource": "" }
Пройдите по переданным смещениям, фильтруя условия "if", расположенные практически где-то прямо в середине строки.
c86700
train
{ "resource": "" }
берет код выхода или отрицательное число сигнала и создает исключение, соответствующее этому коду возврата. Положительные коды возврата создают исключение ErrorReturnCode, отрицательные коды возврата создают исключение SignalException. Мы также кэшируем сгенерированное исключение, чтобы существовал только один сигнал этого типа, сохраняя идентичность.
c86740
train
{ "resource": "" }
Разбор высокоуровневого контейнера, такого как список, кортеж и т. д.
c86760
train
{ "resource": "" }
Разбить строку по смещениям. Вернуть список строк.
c86780
train
{ "resource": "" }
Исправьте сравнение с None.
c86800
train
{ "resource": "" }
Вычисляет веса для нелинейного фильтра Калмана. В данной формулировке веса для среднего и ковариации одинаковы.
c86820
train
{ "resource": "" }
Обновите UKF с использованием предоставленных измерений. По завершении работы self.x и self.P содержат новое среднее и ковариацию фильтра. Параметры ---------- z : numpy.array размерности (dim_z) вектор измерения R : numpy.array((dim_z, dim_z)), опционально шум измерения. Если предоставлен, он заменяет self.R для этого вызова функции. UT : функция(sigmas, Wm, Wc, noise_cov), опционально Опциональная функция для вычисления унциантного преобразования для проходящих через hx сигма-точек. Обычно стоит использовать функцию по умолчанию - можно использовать x_mean_fn и z_mean_fn для изменения поведения унциантного преобразования. **hx_args : аргумент с ключевым словом аргументы, которые должны быть переданы в h(x) в виде h(x, **hx_args)
c86840
train
{ "resource": "" }
извлечь переменные окружающей среды
c86860
train
{ "resource": "" }
Проверить, существует ли переменная или функция
c86900
train
{ "resource": "" }
Этот метод можно использовать для ручного завершения работы Клиента. Не требует параметров. Вызывает: `ConnectionError` в случае попытки остановки Клиента, который уже остановлен.
c86920
train
{ "resource": "" }
Поставь флаги в конце.
c86960
train
{ "resource": "" }
Найдите матрицу \( L \), которая удовлетворяет уравнению \( LL^T = YY^T \). Обратите внимание, что \( L \) может иметь меньше столбцов, чем \( Y \).
c86980
train
{ "resource": "" }
Определите данные, свободные размерности и создайте сетку X для прогнозирования. Это реализовано только для двух измерений на данный момент!
c87000
train
{ "resource": "" }
Вернуть геометрию и атрибуты форм-файла, чьи поля соответствуют регулярному выражению, которое указано. :param sf: форм-файл :type sf: объект форм-файла :param regex: регулярное выражение для соответствия :type regex: строка :param field: номер поля, который должен соответствовать регулярному выражению :type field: целое число
c87020
train
{ "resource": "" }
Установите входные данные модели :param X: входные наблюдения :type X: np.ndarray
c87040
train
{ "resource": "" }
По умолчанию нормализация с нулевым средним и единичной дисперсией.
c87060
train
{ "resource": "" }
Случайным образом измените модель. Если существует априорная информация, то формируйте на её основе, иначе используйте заданный генератор случайных чисел. :param rand_gen: генератор случайных чисел numpy, который принимает аргументы и ключевые слова аргументов :param float loc: параметр loc для генератора случайных чисел :param float scale: параметр scale для генератора случайных чисел :param args, kwargs: будут переданы в генератор случайных чисел
c87100
train
{ "resource": "" }
Это обертывает функцию и подавляет ошибки NumPy, возникающие во время её выполнения. После выхода из функции восстанавливается предыдущее состояние предупреждений.
c87120
train
{ "resource": "" }
Убедитесь, что пространство имен обновляется при задании атрибутов.
c87140
train
{ "resource": "" }
Возвращает набор образцов наблюдений, условленных заданным значением скрытой переменной \( f \). :param gp: скрытая переменная
c87160
train
{ "resource": "" }
Настройте метаинформацию на каждом вершине так, чтобы она содержала правильные матрицы C и C^-1 в соответствии с указанными вращениями и порядком вращений.
c87180
train
{ "resource": "" }
Преобразуйте данные модели tfp в объект InferenceData.
c87200
train
{ "resource": "" }
Вычислите z-оценки для диагностики сходимости. Сравните среднее значение первой доли ряда с средним значением последней доли ряда. Ряд x делится на количество сегментов, для которых вычисляется эта разница. Если ряд сходится, эта оценка должна колебаться в пределах от -1 до 1. Параметры ---------- values : 1D array-like Исходные данные некоторого стохастического параметра. first : float Доля ряда в начале исходных данных. last : float Доля ряда в конце, которая сравнивается с секцией в начале. intervals : int Количество сегментов. Возвращаемое значение --------------------- scores : list [[]] Возвращает список [i, score], где i — это начальный индекс для каждого интервала, а score — Geweke score на интервале. Примечания ---------- Geweke score для некоторого ряда x вычисляется по следующей формуле: .. math:: \frac{E[x_s] - E[x_e]}{\sqrt{V[x_s] + V[x_e]}} где :math:`E` — математическое ожидание, :math:`V` — дисперсия, :math:`x_s` — секция в начале ряда и :math:`x_e` — секция в конце ряда. Ссылки ------ Geweke (1992)
c87220
train
{ "resource": "" }
Конвертировать данные Pyro в объект InferenceData. Параметры ---------- posterior : pyro.MCMC Сконструированный объект MCMC из Pyro coords : dict[str] -> list[str] Соответствие измерений до координат dims : dict[str] -> list[str] Соответствие имен переменных к их координатам
c87240
train
{ "resource": "" }
Параметры масштабирования свойств фигуры согласно строкам и столбцам. Параметры ---------- figsize : число или None Размер фигуры в дюймах textsize : число или None Размер шрифта rows : целое число Количество строк cols : целое число Количество столбцов Возвращает ------- figsize : число или None Размер фигуры в дюймах ax_labelsize : целое число Размер шрифта для подписей координатных осях titlesize : целое число Размер шрифта для заголовка xt_labelsize : целое число Размер шрифта для меток на осях linewidth : целое число Толщина линий markersize : целое число Размер маркера
c87260
train
{ "resource": "" }
Возвращает BatchJobHelper для работы с BatchJobService. Это метод-удобство. Он функционально идентичен вызову BatchJobHelper(adwords_client, version). Аргументы: [опционально] version: Строка, идентифицирующая версию AdWords для подключения. Это значение по умолчанию равно текущей последней версии. В будущих выпусках его обновят для отображения текущей последней версии. server: Строка, идентифицирующая веб-сервер, хостинг AdWords API. Возвращает: Инициализированный BatchJobHelper, связанный с этим клиентом.
c87280
train
{ "resource": "" }
Отправляет тип конструкции WHERE в "содержит, игнорируя регистр". Аргументы: value: Значение, которое будет использоваться в условии WHERE. Возвращает: Конструктор запроса, к которому этот конструктор WHERE привязан.
c87300
train
{ "resource": "" }
Ограничьте элемент канала данными в определённой географической локации. Аргументы: client: Экземпляр AdWordsClient. feed_item: Элемент канала данных. location_id: Идентификатор локации, к которой нужно ограничить.
c87320
train
{ "resource": "" }
Создаёт расширенное динамическое поисковое объявление. Аргументы: client: экземпляр AdwordsClient. ad_group_id: целочисленный идентификатор группы объявлений, в которую добавляется DSA.
c87340
train
{ "resource": "" }
Неполный, но приемлемый метод для определения, является ли строка base64. Аргументы: s: Строка с данными для тестирования. Возвращает: True, если s — base64, иначе False.
c87360
train
{ "resource": "" }
Загружает результаты запроса PQL в список. Аргументы: pql_query: str строка фильтра для выполнения (запрос не должен включать режим ограничения или смещения) [опционально] values: словарь объектов Python или список сырых значений SOAP для привязки к pql_query. Возвращает: список списков, где первый является заголовочной строкой, а каждый последующий список — строкой результатов.
c87380
train
{ "resource": "" }
Возвращает список всех включенных Поставок. Аргументы: client: экземпляр AdWordsClient. Возвращает: Список, содержащий все включенные Поставки.
c87400
train
{ "resource": "" }
Создает динамическую кампанию remarketingа. Аргументы: client: экземпляр AdWordsClient. campaign_id: целочисленный ID кампании. Возвращает: Тот группу объявлений, которая была успешно создана.
c87420
train
{ "resource": "" }
Извлечение сигнала из файла ECUc.
c87440
train
{ "resource": "" }
Преобразуйте значения повторяющихся ключей в списки.
c87460
train
{ "resource": "" }
Извлечь архивные журналы игр Национальной лиги Серии мира
c87480
train
{ "resource": "" }
Этот метод возвращает новый черновик сообщения с первым электронным адресом каждого контакта в качестве получателя. :param RecipientType recipient_type: раздел, в который нужно добавить получателя :param query: применение фильтра OData к запросу :type query: Query или str :return: новое созданное сообщение :rtype: Message или None
c87500
train
{ "resource": "" }
Устанавливает прокси на сессии :param str proxy_server: адрес прокси-сервера :param int proxy_port: порт прокси, по умолчанию 8080 :param str proxy_username: имя пользователя прокси :param str proxy_password: пароль пользователя прокси
c87520
train
{ "resource": "" }
Преобразует объект Получателя в облаке в словарь.
c87540
train
{ "resource": "" }
Возвращает элемент списка SharePoint по идентификатору.
c87560
train
{ "resource": "" }
Краткий способ получить экземпляр папки документов :rtype: mailbox.Folder
c87580
train
{ "resource": "" }
Получает объект диапазона, содержащий одну ячейку на основе номеров строки и столбца.
c87600
train
{ "resource": "" }
Создает новый календарь :param str calendar_name: название нового календаря :return: новый экземпляр класса Calendar :rtype: Calendar