_id
stringlengths 2
7
| title
stringclasses 1
value | partition
stringclasses 3
values | language
stringclasses 1
value | meta_information
dict | text
stringlengths 5
1.76k
|
|---|---|---|---|---|---|
c135740
|
train
|
{
"resource": ""
}
|
проверить, действителен ли ID
|
||
c135760
|
train
|
{
"resource": ""
}
|
Обновить пространство поиска.
Пространство поиска содержит информацию, которую пользователь заранее определил.
Параметры
----------
search_space : dict
|
||
c135780
|
train
|
{
"resource": ""
}
|
загрузить данные из файла
|
||
c135800
|
train
|
{
"resource": ""
}
|
Добавьте новый уровень в граф. Узлы должны быть созданы заранее.
|
||
c135820
|
train
|
{
"resource": ""
}
|
основная трансформационная функция графа.
|
||
c135840
|
train
|
{
"resource": ""
}
|
Запустить поток, записывая все. Если значение log_collection равно 'none', содержимое журнала не будет добавлено в очередь.
|
||
c135860
|
train
|
{
"resource": ""
}
|
начать новый эксперимент
|
||
c135880
|
train
|
{
"resource": ""
}
|
Выберите наименьшее значение му.
|
||
c135900
|
train
|
{
"resource": ""
}
|
Проверьте, допустимы ли общие значения в experiment_config.
|
||
c135920
|
train
|
{
"resource": ""
}
|
Создайте tf.placeholder на основании метаданных из переданного тензорного описания, или верните существующий объект.
Аргументы:
tensor_spec (tf.TensorSpec):
Возвращает:
tf.Tensor:
|
||
c135940
|
train
|
{
"resource": ""
}
|
Когда зависимость функции недоступна, создайте псевдо-функцию, которая выбрасывает ImportError при использовании.
Аргументы:
func (str): имя функции.
dependency (str или list[str]): имя(я) зависимости(и).
Возвращает:
function: объект функции
|
||
c135960
|
train
|
{
"resource": ""
}
|
Визуализировать использование весов в фильтрах свертки.
Аргументы:
filters: тензор, содержащий веса [H, W, Cin, Cout]
name: метка для TensorBoard
Возвращает:
изображение всех весов
|
||
c135980
|
train
|
{
"resource": ""
}
|
Обновление из параметров командной строки.
|
||
c136000
|
train
|
{
"resource": ""
}
|
Декоратор, который выполняет мемоизацию на методах. Он хранит кэш в самом объекте-экземпляре.
|
||
c136020
|
train
|
{
"resource": ""
}
|
Поместите изображение.
Аргументы:
name (str):
val (np.ndarray): 2D, 3D (HWC) или 4D (NHWC) массив numpy изображений в диапазоне [0, 255]. Если количество каналов равно 3, предполагается, что это RGB.
|
||
c136040
|
train
|
{
"resource": ""
}
|
Получите переменную, используемую в этом башне.
Имя не должно содержать префикс области видимости переменной башни.
Когда у башни одинаковые области видимости переменной и имени, это эквивалентно:
:meth:`get_tensor`.
|
||
c136060
|
train
|
{
"resource": ""
}
|
Инициализирует Ray на основе переменных окружения и внутренних дефолтов.
|
||
c136080
|
train
|
{
"resource": ""
}
|
Предварительная обработка числовых функций для очистки данных и выбора числовых индексов.
Аргументы:
axis: '0' для столбцов и '1' для строк.
Возвращает:
Кортеж, в который входит возвращаемое значение (если есть), индексы для применения функций и очищенный Manager.
|
||
c136100
|
train
|
{
"resource": ""
}
|
Рассчитывает, истинны ли какие-либо или все значения.
Возвращает:
Новый объект QueryCompiler, содержащий булевы значения или булево значение.
|
||
c136120
|
train
|
{
"resource": ""
}
|
Возвращает первые n столбцов.
Аргументы:
n: Целое число, которое содержит количество столбцов для возврата.
Возвращает:
DataManager, содержащий первые n столбцов исходного DataManager.
|
||
c136140
|
train
|
{
"resource": ""
}
|
Разделите результат Pandas равномерно на основе предоставленного количества разделений.
Аргументы:
- axis: Ось, по которой следует проводить разбиение.
- num_splits: Количество равномерных разбиений для создания.
- result: Результат вычисления. Это должно быть DataFrame Pandas.
- length_list: Список длин, на которые следует разделить DataFrame. Это используется для возврата DataFrame к его исходной схеме разбиения.
Возвращает:
- Список DataFrame Pandas.
|
||
c136160
|
train
|
{
"resource": ""
}
|
Конвертация глобального индекса в блочный индекс и локальный индекс.
Примечание: Этот метод в основном используется для конвертации глобального индекса в индекс раздела (по указанной оси) и локальный индекс (полезный для `iloc` или подобных операций).
Аргументы:
axis: Ось, по которой получить индексы
(0 - столбцы, 1 - строки).
index: Глобальный индекс, который необходимо конвертировать.
Возвращает:
Кортеж, содержащий (индекс блока и внутренний индекс).
|
||
c136180
|
train
|
{
"resource": ""
}
|
Используйте оптимизированный пайплайн для оценки вероятностей классов для набора признаков.
Параметры
----------
признаки: массивный {n_samples, n_features}
Матрица признаков тестового набора
Возвращает
-------
массивный: {n_samples, n_target}
Вероятности классов входных образцов
|
||
c136200
|
train
|
{
"resource": ""
}
|
Преобразуйте данные, добавив два виртуальных признака.
Параметры
----------
X: numpy ndarray, форма {n_samples, n_components}
Новые данные, где n_samples является количеством образцов, а n_components — количеством компонентов.
y: None
Не используется
Возвращает
---------
X_transformed: массив-подобный, форма (n_samples, n_features)
Преобразованый набор признаков
|
||
c136240
|
train
|
{
"resource": ""
}
|
Список состояний кластеров, принадлежащих этой таблице.
Например:
.. literalinclude:: snippets_table.py
:start-after: [START bigtable_get_cluster_states]
:end-before: [END bigtable_get_cluster_states]
:rtype: dict
:returns: Словарь состояний кластеров для этой таблицы. Ключи — это идентификаторы кластеров, а значения — экземпляры класса 'ClusterState'.
|
||
c136260
|
train
|
{
"resource": ""
}
|
Обеспечивает, что `predefined` присутствует в списке заранее определенных JSON значений:
:type predefined: str
:param predefined: название заранее определенных прав доступа
:type predefined: str
:param predefined: проверенное JSON название заранее определенных прав доступа
:raises: :exc:`ValueError`: Если `predefined` не является допустимыми правами доступа
|
||
c136280
|
train
|
{
"resource": ""
}
|
Доступ к членам роли bigtable.viewer
Например:
.. literalinclude:: snippets.py
:start-after: [START bigtable_viewers_policy]
:end-before: [END bigtable_viewers_policy]
|
||
c136300
|
train
|
{
"resource": ""
}
|
Верните строку модели полностью квалифицированной.
|
||
c136320
|
train
|
{
"resource": ""
}
|
Преобразовать правило GC в протоколе в коренное объектное представление.
:type gc_rule_pb: :class:`.table_v2_pb2.GcRule`
:param gc_rule_pb: Правило GC, которое нужно преобразовать.
:rtype: :class:`GarbageCollectionRule` or :data:`NoneType <types.NoneType>`
:returns: Экземпляр одного из коренных правил, определенных в
модуле :module:`column_family` или :data:`None`, если в
переданном протоколе не были установлены значения.
:raises: :class:`ValueError <exceptions.ValueError>` в случае, если имя
правила неожиданное.
|
||
c136400
|
train
|
{
"resource": ""
}
|
Обновить поле свойств этого объекта.
Этот метод обновит только указанное поле и не затронет другие поля.
Он **не** загрузит свойства обратно с сервера. Поведение локальное, и синхронизация выполняется через :meth:`patch`.
:type name: str
:param name: Имя поля, которое нужно обновить.
:type value: object
:param value: Значение, которое нужно обновить.
|
||
c136420
|
train
|
{
"resource": ""
}
|
Верните строку датасета с полным квалификацией.
|
||
c136440
|
train
|
{
"resource": ""
}
|
Верните строку полностью квалифицированного тематического блока.
|
||
c136480
|
train
|
{
"resource": ""
}
|
Вернуть ссылающиеся таблицы из статистики задания, если они доступны.
Смотрите:
https://cloud.google.com/bigquery/docs/reference/rest/v2/jobs#statistics.query.referencedTables
:rtype: список из словарей
:returns: упорядоченные описания плана запроса, или пустой список,
если запрос еще не завершён.
|
||
c136500
|
train
|
{
"resource": ""
}
|
Обновите состояние текущего объекта в соответствии с операцией.
:тип operation_pb:
:class:`~google.longrunning.operations_pb2.Operation`
:param operation_pb: Протокол, который нужно разобрать.
|
||
c136520
|
train
|
{
"resource": ""
}
|
Сработать всем обработчикам, зарегистрированным к этому Future.
Метод вызывается внутренне пакетом после завершения выполнения пакета.
Аргументы:
message_id (str): Идентификатор сообщения в виде строки.
|
||
c136540
|
train
|
{
"resource": ""
}
|
Поставьте все фильтры в один общий прототип-фильтр protobuf.
Это может быть фильтр с единственным полем или унарный фильтр, он может быть составным фильтром или может быть `None`.
Returns:
google.cloud.firestore_v1beta1.types.\
StructuredQuery.Filter: "Общий" фильтр, представляющий фильтры текущего запроса.
|
||
c136560
|
train
|
{
"resource": ""
}
|
Метки, назначенные этому контейнеру.
См.
https://cloud.google.com/storage/docs/json_api/v1/buckets#labels
:type mapping: :class:`dict`
:param mapping: Имеющиеся в наличии соответствия между названием и значением (строка->строка) для метки контейнера.
|
||
c136620
|
train
|
{
"resource": ""
}
|
Гарантирует, что входной параметр является кортежем или списком.
Это фактически сокращает тип разрешенных итерируемых типов до очень короткого белого списка: списки и кортежи.
:type arg_name: str
:param arg_name: Название аргумента, используемое в сообщении об ошибке.
:type tuple_or_list: последовательность типа str
:param tuple_or_list: Последовательность, которую необходимо проверить.
:rtype: список типа str
:returns: Возвращается список ``tuple_or_list`` изначально переданного в качестве ``list``.
:raises TypeError: если ``tuple_or_list`` не является кортежем или списком.
|
||
c136640
|
train
|
{
"resource": ""
}
|
Документ, владеющий текущей коллекцией.
Возвращает:
Optional[~.firestore_v1beta1.document.DocumentReference]: Родительский документ, если текущая коллекция не является верхнеуровневой.
|
||
c136660
|
train
|
{
"resource": ""
}
|
Поддерживайте все сданым в аренду контракты, которые управляются.
Этот метод изменяет срок признания для всех управляемых идентификаторов признания, затем ждет почти всего этого времени (но с дрожанием), и повторяет.
|
||
c136680
|
train
|
{
"resource": ""
}
|
Помощник для преобразования строки или TableReference в Table.
Эта функция оставляет Table и другие виды объектов без изменений.
|
||
c136720
|
train
|
{
"resource": ""
}
|
Выполнить SQL-запрос.
См.
https://cloud.google.com/bigquery/docs/reference/rest/v2/jobs#configuration.query
Аргументы:
query (str):
SQL-запрос для выполнения. По умолчанию используется стандартный SQL-диалект. Используйте параметр ``job_config`` для изменения диалектов.
Ключевые аргументы:
job_config (google.cloud.bigquery.job.QueryJobConfig):
(Опционально) Дополнительные параметры конфигурации задания.
Для переопределения любых параметров, ранее установленных в
``default_query_job_config`` при конструировании клиента,
просто установите эти параметры в ``None`` или в предпочитаемое значение.
job_id (str):
(Опционально) Идентификатор для задания запроса.
job_id_prefix (str):
(Опционально) Префикс, который следует использовать для генерирования случайного идентификатора задания.
Этот параметр будет проигнорирован, если вместе с ним также предоставлен ``job_id``.
location (str):
Расположение, где следует выполнять задание. Оно должно соответствовать расположению любой таблицы, используемой в запросе, а также целевой таблице.
project (str):
Идентификатор проекта, в котором следует выполнять задание. По умолчанию используется проект клиента.
retry (google.api_core.retry.Retry):
(Опционально) Как повторять вызов API.
Возвращает:
google.cloud.bigquery.job.QueryJob: Новый экземпляр задания запроса.
|
||
c136740
|
train
|
{
"resource": ""
}
|
Добавьте обратный вызов для выполнения после завершения операции.
Если операция еще не завершена, это начнет вспомогательный поток для опроса статуса операции в фоновом режиме.
Аргументы:
fn (Callable[Future]): Обратный вызов, который следует выполнить после завершения операции.
|
||
c136780
|
train
|
{
"resource": ""
}
|
Проверяет, имеет ли «path» правильную форму.
Определяет, что все элементы в «path» являются строками.
Аргументы:
path (Tuple[str, ...]): Элементы в пути к коллекции или документу.
is_collection (bool): Указывает, представляет ли «path» документ или коллекцию.
Вызывает:
ValueError: в случае, если
* «path» пуст
* is_collection=True и элементов чётное количество
* is_collection=False и элементов нечётное количество
* элемент не является строкой
|
||
c136800
|
train
|
{
"resource": ""
}
|
Парсинг объекта `BatchGetDocumentsResponse` protobuf:
Аргументы:
get_doc_response (~google.cloud.proto.firestore.v1beta1.\
firestore_pb2.BatchGetDocumentsResponse): Отдельный ответ (из
потока), содержащий ответ на запрос к документу.
reference_map (Dict[str, .DocumentReference]): Соответствие (создаваемое с
помощью функции :func:`_reference_info`) полностью квалифицированных
путей к документам и их ссылок.
client (~.firestore_v1beta1.client.Client): Клиент, у которого имеется
фабрика документов.
Возвращает:
[.DocumentSnapshot]: Полученный отскриншот.
Исключения:
ValueError: Если в ответе присутствует поле ``result`` (oneof), не равное
``found`` или ``missing``.
|
||
c136820
|
train
|
{
"resource": ""
}
|
Верните полностью квалифицированную строку типа project_stored_info_type.
|
||
c136860
|
train
|
{
"resource": ""
}
|
Проверьте, существует ли уже кластер.
Например:
.. literalinclude:: snippets.py
:start-after: [START bigtable_check_cluster_exists]
:end-before: [END bigtable_check_cluster_exists]
:rtype: bool
:returns: True, если кластер существует, иначе False.
|
||
c136880
|
train
|
{
"resource": ""
}
|
Верните объект ``SchemaField``, который был десериализован из словаря.
Аргументы:
api_repr (Mapping[str, str]): Сериализованное представление объекта ``SchemaField``, такое как то, что выводится методом :meth:`to_api_repr`.
Возвращает:
google.cloud.biquery.schema.SchemaField:
Объект ``SchemaField``.
|
||
c136920
|
train
|
{
"resource": ""
}
|
Удалить одну или несколько строк таблицы.
:param table: имя таблицы, которую необходимо изменить.
:param keyset: ключи/диапазоны, идентифицирующие строки для удаления.
|
||
c136960
|
train
|
{
"resource": ""
}
|
Обнаруживайте ошибки для унарных и потоковых-унарных gRPC callables.
|
||
c136980
|
train
|
{
"resource": ""
}
|
Вернуть полностью квалифицированную строку notification_channel_descriptor.
|
||
c137000
|
train
|
{
"resource": ""
}
|
Преобразует аргументы позиционных параметров в ключевой путь с указанием их типов и идентификаторов.
:type path_args: tuple
:param path_args: Кортеж, полученный из позиционных аргументов. Должен состоять из чередующихся списков типов (строки) и частей ИД/имени (целые числа или строки).
:rtype: :class:`list` of :class:`dict`
:returns: Список частей ключей с установленными типом и ИД или именем.
:raises: :class:`ValueError` если в ``path_args`` отсутствуют, если один из типов не является строкой или если один из ИД/имен не является строкой или целым числом.
|
||
c137020
|
train
|
{
"resource": ""
}
|
Вернуть значение, которое является N-им процентилем в гистограмме.
Аргументы:
percent (Union[int, float]): Искомый процентиль. По умолчанию обычные реализации используют ``99``.
Возвращает:
int: Значение, соответствующее запрашиваемому процентилю.
|
||
c137040
|
train
|
{
"resource": ""
}
|
Верните полностью квалифицированную строку словаря.
|
||
c137060
|
train
|
{
"resource": ""
}
|
Запустить тестовый набор для снипетов.
|
||
c137080
|
train
|
{
"resource": ""
}
|
Потоковая передача пакетов обновлений и удалений документов в порядке.
ЭКСПЕРИМЕНТАЛЬНО: Интерфейс этого метода может измениться в будущем.
Пример:
```python
from google.cloud import firestore_v1beta1
client = firestore_v1beta1.FirestoreClient()
database = client.database_root_path('[PROJECT]', '[DATABASE]')
request = {'database': database}
requests = [request]
for element in client.write(requests):
# обработка элемента
pass
```
Аргументы:
- `requests (iterator[dict|google.cloud.firestore_v1beta1.proto.firestore_pb2.WriteRequest])`: Входные объекты. Если предоставлен словарь, он должен иметь такую же структуру, как сообщение протокола буффера :class:`~google.cloud.firestore_v1beta1.types.WriteRequest`.
- `retry (Optional[google.api_core.retry.Retry])`: Объект повтора, используемый для повтора запросов. Если указан ``None``, запросы не будут повторяться.
- `timeout (Optional[float]): Длительность ожидания завершения запроса в секундах. Обратите внимание, что если указан ``retry``, таймаут применяется к каждой отдельной попытке.
- `metadata (Optional[Sequence[Tuple[str, str]]]): Дополнительные метаданные, предоставляемые методу.
Возвращает:
`Iterable[~google.cloud.firestore_v1beta1.types.WriteResponse]`.
Исключения:
- `google.api_core.exceptions.GoogleAPICallError`: Если запрос не удалось выполнить по любой причине.
- `google.api_core.exceptions.RetryError`: Если запрос не удалось выполнить из-за ошибки, подлежащей повтору, и не удалось повторить попытки.
- `ValueError`: Если параметры недействительны.
|
||
c137120
|
train
|
{
"resource": ""
}
|
Возвращает список строковых названий всех доступных GPU
|
||
c137140
|
train
|
{
"resource": ""
}
|
Установите устройство перед следующим fprop, чтобы создать новый граф на указанном устройстве.
|
||
c137160
|
train
|
{
"resource": ""
}
|
Запускает одну защитную работу.
Аргументы:
work_id: ID для выполняемой работы
Возвращает:
elapsed_time_sec, submission_id - время выполнения и ID отправки
Возбуждает исключение:
WorkerError: если возникла ошибка во время выполнения.
|
||
c137180
|
train
|
{
"resource": ""
}
|
Загружает целевые классы.
|
||
c137200
|
train
|
{
"resource": ""
}
|
Возвращает команду извлечения на основе расширения имени файла.
|
||
c137220
|
train
|
{
"resource": ""
}
|
Сохраняет ошибки для указанных деталей в файл.
Аргументы:
work: экземпляр либо AttackWorkPieces, либо DefenseWorkPieces
output_file: имя выходного файла
|
||
c137240
|
train
|
{
"resource": ""
}
|
Создать список подач от Строкиру и сохранить их в хранилище данных.
Должно вызываться только один раз (обычно хозяином) во время оценки конкурса.
|
||
c137260
|
train
|
{
"resource": ""
}
|
Метод помощи, загружающий набор данных и определяющий диапазон обрезки.
Аргументы:
dataset_dir: расположение набора данных.
epsilon: максимально допустимый размер адверсарной искажения.
|
||
c137280
|
train
|
{
"resource": ""
}
|
Выберите дельту на масштабе расстояния между x и изменённым образцом.
|
||
c137300
|
train
|
{
"resource": ""
}
|
Выбрать следующий не претендованный фрагмент работы, чтобы его выполнить.
Попытка претендовать на фрагмент работы выполняется с использованием транзакции Cloud Datastore, поэтому любой фрагмент работы может быть претендован только одновременно одним работником.
Аргументы:
worker_id: ID текущего работника
submission_id: если не равен None, то этот метод будет пытаться выбрать
фрагмент работы для данной отправки
Возвращает:
ID претендованного фрагмента работы
|
||
c137320
|
train
|
{
"resource": ""
}
|
Сгенерируйте график линейной экстраполяции.
Аргументы:
- `log_prob_adv_array`: Массив numpy, содержащий логарифм вероятностей.
- `y`: Тензор `tf` в качестве заполнителя для меток.
- `file_name`: Имя файла для графика.
- `min_epsilon`: Минимальное значение эпсилон на интервале.
- `max_epsilon`: Максимальное значение эпсилон на интервале.
- `num_points`: Количество точек, используемых для интерполяции.
|
||
c137340
|
train
|
{
"resource": ""
}
|
Пропустить значение, ограниченное длиной. Возвращает новая позиция.
|
||
c137360
|
train
|
{
"resource": ""
}
|
удалять узлы из списка
|
||
c137400
|
train
|
{
"resource": ""
}
|
Найдите значение в списке, которое соответствует значению compare.
|
||
c137420
|
train
|
{
"resource": ""
}
|
Верните значения указанного признака.
|
||
c137440
|
train
|
{
"resource": ""
}
|
Переводит данные.
|
||
c137460
|
train
|
{
"resource": ""
}
|
Определите выходы конфигурации сети.
Параметры
----------
output_names: [str]
Список имен выходов сети.
output_dims: [tuple]
Список размерностей выходов сети. Порядок элементов в output_dims совпадает с порядком в output_names.
Примеры
--------
.. sourcecode:: python
# Установите выходы конфигурации нейронной сети как 3-мерный вектор feature1 и
# 4-мерный вектор feature2.
>>> builder.set_output(output_names=['feature1', 'feature2'], output_dims=[(3,), (4,)])
Смотрите также
--------
set_input, set_class_labels
|
||
c137480
|
train
|
{
"resource": ""
}
|
Добавьте параметры предварительной обработки в объект нейронной сети.
Параметры
---------
- image_input_names: [строка]
Имя входных бленов, которые являются изображениями.
- is_bgr: булево | dict()
Порядок каналов для входных бленов, которые являются изображениями. BGR, если True, в противном случае RGB. Чтобы указать различное значение для каждого изображенческого входа, предоставьте словарь с именами входов в качестве ключей.
- red_bias: число с плавающей точкой | dict()
Параметр центрирования изображений (красный канал).
- blue_bias: число с плавающей точкой | dict()
Параметр центрирования изображений (синий канал).
- green_bias: число с плавающей точкой | dict()
Параметр центрирования изображений (зеленый канал).
- gray_bias: число с плавающей точкой | dict()
Параметр центрирования изображений (для графических изображений).
- image_scale: число с плавающей точкой | dict()
Значение, на которое следует умножить изображения.
См. также
--------
- set_input, set_output, set_class_labels
|
||
c137500
|
train
|
{
"resource": ""
}
|
Преобразовать модель DictVectorizer в спецификацию protobuf.
Параметры
----------
model: DictVectorizer
Это обученная модель DictVectorizer.
input_features: str
Имя столбца входных данных.
output_features: str
Имя столбца выходных данных.
Возвращает
-------
model_spec: объект типа Model_pb.
Protobuf представление модели
|
||
c137520
|
train
|
{
"resource": ""
}
|
Преобразует продолжительность в миллисекунды.
|
||
c137540
|
train
|
{
"resource": ""
}
|
Вычислите магнитуду кратковременного преобразования Фурье.
Аргументы:
сигнал: 1D np.array временного сигнала в домене времени.
fft_length: Размер FFT для применения.
hop_length: Шаг (в образцах) между каждым блоком, переданным в FFT.
window_length: Длина каждого блока образцов, передаваемого в FFT.
Возвращает:
2D np.array, где каждая строка содержит магнитуды `fft_length/2+1`
уникальных значений FFT для соответствующего фрейма входных образцов.
|
||
c137560
|
train
|
{
"resource": ""
}
|
Возвращает название модуля, соответствующее 'jamfile-location'. Если для этого расположения еще не существует соответствующей модульной ассоциации, привязывается имя по умолчанию к этому расположению.
|
||
c137580
|
train
|
{
"resource": ""
}
|
Вставьте новый_слой после слоя, позиция которого равна layer_idx. Параметры нового слоя сохраняются в слое Keras, называемом new_keras_layer.
|
||
c137600
|
train
|
{
"resource": ""
}
|
Предоставьте идентификатор с постоянным хранением для "сохранения" объектов GLC по ссылке.
Возвращаемное значение
None для всех объектов, которые не являются объектами GLC.
Параметры
obj: Название объекта, для которого извлекается идентификатор постоянного хранения.
Возвращаемое значение
None, если объект не является объектом GLC. (Имя класса, относительный путь)
если объект является объектом GLC.
Примечания
Заимствовано из документации pickle (https://docs.python.org/2/library/_pickle.html)
В пользу поддержки постоянного хранения объектов модуль pickle поддерживает понятие
ссылки на объект, который находится вне потока пикл данных.
Чтобы пиклить объекты с внешним устойчивым идентификатором, pickup должен иметь специальный
метод persistent_id(), который принимает объект в качестве аргумента и возвращает либо
None, либо идентификатор постоянного хранения для этого объекта.
Для объектов GLC идентификатор постоянного хранения это просто относительный путь к файлу
(в пределах ZIP-архива) к GLC-архиву, где сохранен объект GLC. Например:
(SFrame, 'sframe-save-path')
(SGraph, 'sgraph-save-path')
(Model, 'model-save-path')
|
||
c137620
|
train
|
{
"resource": ""
}
|
Перевод слой сепарабельной свертки из Keras в CoreML.
Параметры
----------
keras_layer: слой
Объект слоя Keras.
builder: NeuralNetworkBuilder
Объект построителя нейронной сети.
|
||
c137640
|
train
|
{
"resource": ""
}
|
Возвращает свойства, которые не являются зависимостями.
|
||
c137680
|
train
|
{
"resource": ""
}
|
Сгенерировать определение или отмену макроса
|
||
c137700
|
train
|
{
"resource": ""
}
|
Гарантирует, что у всех «целей» есть типы. Если это не так, выходит с ошибкой.
|
||
c137720
|
train
|
{
"resource": ""
}
|
Осуществляет неполное сохранение существующего SFrame в директорию. Этот сохранённый SFrame может ссылаться на SFrames в других местах той же файловой системы для некоторых ресурсов.
Параметры
---------
filename : строка
Место для сохранения SFrame. Либо локальная директория, либо удалённый URL.
См. также
--------
load_sframe, SFrame
Примеры
-------
>>> # Сохранение SFrame в бинарном формате
>>> sf.save_reference('data/training_data_sframe')
|
||
c137740
|
train
|
{
"resource": ""
}
|
Получает FileDescriptor по имени файла.
Аргументы:
file_name: Путь к файлу для получения описателя.
Возвращает:
FileDescriptor для указанного файла.
Поднимает исключение:
KeyError: если файл не найден в пуле.
|
||
c137760
|
train
|
{
"resource": ""
}
|
Преобразовать общую деревообразную модель в спецификацию protobuf.
В настоящее время поддерживается:
* Регрессионная модель деревьев решений
Параметры
----------
model: str | Booster
Путь на диске, где находится JSON-репрезентация XGBoost-модели или
обращение к модели XGBoost.
feature_names : список строк или None
Имена каждого из признаков. Если установлено None, имена признаков извлекаются из модели.
target: str,
Имя выходного столбца.
force_32bit_float: bool
Если True, то полученная модель CoreML будет использовать внутренне 32-битные числа с плавающей запятой.
Возвращает
-------
model_spec: объект типа Model_pb
Представление модели в формате protobuf
|
||
c137780
|
train
|
{
"resource": ""
}
|
Проверяет, нужно ли исправлять файлы, используемые в качестве входных данных при предварительной обработке контейнеров MPL в их вариативной форме.
|
||
c137800
|
train
|
{
"resource": ""
}
|
Создать конструктор для кодировщика для полей с плавающей запятой.
Это аналогично StructPackEncoder, но перехватывает ошибки, которые могут возникнуть при передаче непрерывных значений с плавающей запятой в struct.pack, и пытается повторно закодировать эти значения.
Аргументы:
wire_type: Тип проводной линии поля, для кодирования тегов.
format: Строку формата для передачи в struct.pack().
|
||
c137820
|
train
|
{
"resource": ""
}
|
Возвращается новый SGraph с только выбранными полями. Другие поля игнорируются, в то время как поля, которые не существуют в SGraph, также пропускаются.
Параметры
----------
fields : строка|список [строка]
Единое имя поля или список имен полей для выбора.
Возвращает
---------
out : SGraph
Новый граф, данные вершин и рёбер которого проецируются только на выбранные поля.
См. также
--------
get_fields, get_vertex_fields, get_edge_fields
Примеры
--------
>>> from turicreate import SGraph, Vertex
>>> verts = [Vertex(0, attr={'breed': 'labrador', 'age': 5}),
Vertex(1, attr={'breed': 'labrador', 'age': 3}),
Vertex(2, attr={'breed': 'vizsla', 'age': 8})]
>>> g = SGraph()
>>> g = g.add_vertices(verts)
>>> g2 = g.select_fields(fields=['breed'])
|
||
c137840
|
train
|
{
"resource": ""
}
|
Найти первую строку, соответствующую регулярному выражению, и вернуть объект соответствия
|
||
c137860
|
train
|
{
"resource": ""
}
|
Выйти с ошибкой, если свойство не является допустимым.
|
||
c137880
|
train
|
{
"resource": ""
}
|
Проверяет, можно ли найти 'command' либо в пути, либо как полное имя существующего файла.
|
||
c137900
|
train
|
{
"resource": ""
}
|
Возвращает класс протокольного сообщения ответа.
Аргументы:
method_descriptor: Описание метода, для которого возвращается класс протокольного сообщения ответа.
Возвращает:
Класс, представляющий протокольное сообщение выходного сообщения указанного метода.
|
||
c137920
|
train
|
{
"resource": ""
}
|
Вычислите значение сложной функции расстояния для двух словарей, обычно строк SFrame.
Параметры
----------
distance: list[list] — сложная функция расстояния. Сложные функции расстояния — это взвешенная сумма стандартных функций расстояния, каждая из которых применяется к своему собственному подмножеству признаков. Сложные функции расстояния задаются в виде списка компонент расстояния, где каждый компонент является списком из трех элементов:
1. список или кортеж имен признаков (строки).
2. название стандартной функции расстояния (строка).
3. масштабный фактор (целое число или число с плавающей точкой).
x, y: dict — отдельные наблюдения, обычно строки SFrame, представленные в виде словарей. Должны включать признаки, указанные в `distance`.
Возвращает
---------
out: float — расстояние между `x` и `y`, как задано в `distance`.
Примеры
---------
>>> sf = turicreate.SFrame({'X1': [0.98, 0.62, 0.11],
... 'X2': [0.69, 0.58, 0.36],
... 'species': ['cat', 'dog', 'fossa']})
...
>>> dist_spec = [[('X1', 'X2'), 'euclidean', 2],
... [('species',), 'levenshtein', 0.4]]
...
>>> d = turicreate.distances.compute_composite_distance(dist_spec, sf[0], sf[1])
>>> print d
1.95286120899
|
||
c137940
|
train
|
{
"resource": ""
}
|
Предоставьте информацию о строке, укоротите её при необходимости.
|
||
c137960
|
train
|
{
"resource": ""
}
|
Создайте контекст парсинга XML RelaxNG для буфера памяти,
ожидаемого содержащего файл XML RelaxNG.
|
||
c137980
|
train
|
{
"resource": ""
}
|
Находит первый дочерний узел данного элемента, который является узлом элемента. Обратите внимание, что обработка ссылок на сущности отличается от спецификации W3C по навигации по элементам DOM, так как у нас нет обратных ссылок от содержимого сущностей к ссылкам на сущности.
|
||
c138000
|
train
|
{
"resource": ""
}
|
DTD HTML разрешает тегу автоматически закрывать другие теги.
Список соответствующих тегов хранится в массиве htmlStartClose.
Данная функция проверяет, закрывается ли тег автоматически кем-то из его дочерних элементов.
|
||
c138020
|
train
|
{
"resource": ""
}
|
Создание элемента инструкции по обработке.
|
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.