no domain class found for name race

最新推荐文章于 2024-01-20 06:00:00 发布
原创 最新推荐文章于 2024-01-20 06:00:00 发布 · 121 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Grails

本文介绍在使用Grails 1.3.5版本进行实体类生成时遇到的错误及解决方案。通过调整命令格式，将grails generate-all domain-class-name更改为grails generate-all project-name.domain-class-name，成功解决了nodomainclassfoundfornamerace的问题。
在学习grails的时候，按照《Grails入门指南》操作
在grails1.3.5下使用grails generate-all时出现错误[b]no domain class found for name race[/b]
解决方法是将原命名：grails generate-all domain-class-name 改为：grails generate-all project-name.domain-class-name
这块需要加上project名称，教程里的没有加，估计是版本的问题。
[SC]深入理解SystemC必备的50个经典程序
元直的博客
05-03 1309
本文提供了50个SystemC编程示例，涵盖从基础语法到高级应用的完整学习路径。内容分为五大板块：1)基础结构与组合逻辑，包括基本模块、信号端口和逻辑门实现；2)时序逻辑，展示时钟生成、触发器和状态机；3)层次化设计与测试平台，讲解模块实例化和完整验证环境搭建；4)数据类型与运算，深入sc_lv、sc_uint等SystemC特有类型；5)高级概念与CPU/GPU应用，包含总线接口、DMA控制器等复杂系统建模。每个示例均包含Verilog等效代码说明和CPU/GPU应用场景分析，特别适合硬件设计验证人员从零
Rasa 3.x 学习系列-Rasa 3.1+ ElasticSearch 8.2.0 对话机器人实战六
大模型与Agent智能体
05-19 2071
ElasticSearch 导入Rasa电影案例数据 基于 ElasticSearch的Rasa智能对话机器人开发 Rasa 3.1.0 KnowledgeBase 源代码分析 基于 ElasticSearch的Rasa 对话互动场景 Rasa对话机器人和用户打招呼 Rasa对话机器人协助用户查询电影 Rasa对话机器人使用序数指代 查询指定电影 Rasa对话机器人协助用户查询图书 Rasa对话机器人协助用户查询作者 Rasa对话机器人查询电影动作片 Rasa对话机器人 查询指定电影 Rasa对话机器人
用JAVA读取Domain的数据库
抢财猫股票课堂
02-22 5423
　　去年，由于做一个项目是针对DOMINO的系统，所以抽出时间研究了一个这个当初是莲花公司的传家宝。    　其实，DOMINO有自己的LOTUSSRIPT，但是大家都用JAVA习惯了，当然它也提供了JAVA的接口，所以我们参考一下它的开发文档，写了一下JAVA操作DOMNIO的数据库的例子。public class LotusReadDB {  private static String use
ip domain-lookup命令解释
chenchao's blog
06-17 1万+
2500# 　　注意Flags选项的perm,代表是手动输入的,如果这项是temp的话,表明是由DNS解析的 　　使用DNS解析名称 　　假如你在CLI下输入了1个Cisco设备不能识别的命令,它会默认通过DNS来进行解析(它认为是主机名).这个不好的地方是要花费额外的时间等待DNS解析完.可以在全局配置模式下使用no ip domain-lookup命令关闭它 　　 　　假如你在你的网
No Hollywood Ending for the Visual-Effects Industry
枫笛雨声
02-24 1874
Our latest Freakonomics Radio episode is called “No Hollywood Ending for the Visual-Effects Industry” (You can subscribe to the podcast at iTunes or elsewhere, get the RSS feed, or listen via the me
Conceptual Challenges for Interpretable Machine Learning
weixin_42786150的博客
03-01 1683
Conceptual Challenges for Interpretable Machine Learning David S. Watson1 'Department of Statistical Science, University College London, London, UK Email for correspondence: david.watson@ucl.ac.uk §0 Abstract As machine learning has gradually entere..
AI：《Why is DevOps for Machine Learning so Different?—为什么机器学习的 DevOps 如此不同？》翻译与解读
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
03-01 4947
​ AI：《Why is DevOps for Machine Learning so Different?—为什么机器学习的 DevOps 如此不同？》翻译与解读 目录 《Why is DevOps for Machine Learning so Different?》翻译与解读 《Why is DevOps for Machine Learning so Different?》翻译与解读 文章地址：Why is DevOps for Machine Lear
Release Notes for HALCON 17.12 Progress
好习惯成就伟大
05-14 1913
This document provides the release notes for MVTec HALCON 17.12 Progress, as released in December 2017. Addendum to the Release Notes of HALCON 17.12 The originally released version of HALCON 17.12 ...
强大的socat工具，可创建虚拟串口、在串口/网口间转发数据等，基本上无所不能的工具
哦，原来你也在这里。
01-20 2094
socat，一个强大的工具，串口工具
activiti中的bug列表
热门推荐
分享牛
11-21 2万+
分享牛原创(尊重原创 转载对的时候第一行请注明，转载出处来自分享牛http://blog.youkuaiyun.com/qq_30739519)Bug[ACT-1968] - Custom Database schema on PostgreSQL not working[ACT-4113] - REST Task API Not working: /service/runtime/tasks?assigne
🚀 开始加载特征数据... ✅ 源域样本数: 124 ✅ 目标域样本数: 16 📊 源域类别统计: 0 4 1 40 2 40 3 40 Name: count, dtype: int64 🔁 正在使用 MMD 进行特征空间分布对齐... Step 0: MMD Loss = 0.4441 Step 50: MMD Loss = 0.4440 Step 100: MMD Loss = 0.4440 Step 150: MMD Loss = 0.4440 🔒 底层特征提取器已冻结，仅微调分类头... 🧪 正在微调分类头（基于对齐后的源域数据）... Epoch [50/100], Loss: 1.2004 Epoch [100/100], Loss: 1.0956 📌 使用 Top-5 高置信样本进行自训练... 🔍 高置信伪标签: J.mat → Inner Race (置信度=1.000) I.mat → Inner Race (置信度=1.000) C.mat → Inner Race (置信度=1.000) E.mat → Inner Race (置信度=1.000) H.mat → Inner Race (置信度=0.958) 🔄 正在进行自训练（Self-Training）... Epoch [50/100], Loss: 1.2323 Epoch [100/100], Loss: 1.1367 🏆 最终迁移诊断结果: Filename Predicted_Class Confidence Label_Index A.mat Inner Race 0.427 2 B.mat Inner Race 0.348 2 C.mat Inner Race 1.000 2 D.mat Inner Race 0.886 2 E.mat Inner Race 1.000 2 F.mat Inner Race 0.665 2 G.mat Ball 0.365 3 H.mat Inner Race 0.996 2 I.mat Inner Race 1.000 2 J.mat Inner Race 1.000 2 K.mat Inner Race 0.993 2 L.mat Inner Race 0.412 2 M.mat Inner Race 0.919 2 N.mat Inner Race 0.956 2 O.mat Ball 0.367 3 P.mat Inner Race 0.911 2 🎨 正在生成 t-SNE 可视化... Traceback (most recent call last): File D:\anaconda3\Lib\site-packages\spyder_kernels\py3compat.py:356 in compat_exec exec(code, globals, locals) File c:\users\1\desktop\未命名28.py:303 for i, v in enumerate(result_df['Predicted_Class'].value_counts()[class_names]): File D:\anaconda3\Lib\site-packages\pandas\core\series.py:1153 in __getitem__ return self._get_with(key) File D:\anaconda3\Lib\site-packages\pandas\core\series.py:1194 in _get_with return self.loc[key] File D:\anaconda3\Lib\site-packages\pandas\core\indexing.py:1191 in __getitem__ return self._getitem_axis(maybe_callable, axis=axis) File D:\anaconda3\Lib\site-packages\pandas\core\indexing.py:1420 in _getitem_axis return self._getitem_iterable(key, axis=axis) File D:\anaconda3\Lib\site-packages\pandas\core\indexing.py:1360 in _getitem_iterable keyarr, indexer = self._get_listlike_indexer(key, axis) File D:\anaconda3\Lib\site-packages\pandas\core\indexing.py:1558 in _get_listlike_indexer keyarr, indexer = ax._get_indexer_strict(key, axis_name) File D:\anaconda3\Lib\site-packages\pandas\core\indexes\base.py:6200 in _get_indexer_strict self._raise_if_missing(keyarr, indexer, axis_name) File D:\anaconda3\Lib\site-packages\pandas\core\indexes\base.py:6252 in _raise_if_missing raise KeyError(f"{not_found} not in index") KeyError: "['Normal', 'Outer Race'] not in index"
09-24
`result_df['Predicted_Class'].value_counts()` 返回的是 **实际预测中出现过的类别统计**，而你在索引时直接用了 `class_names = ['Normal', 'Outer Race', 'Inner Race', 'Ball']`。 但根据你的输出结果： - ...
🚀 开始加载特征数据与任务二模型... ✅ 源域样本数: 124 ✅ 目标域样本数: 15 📦 正在加载任务二训练好的随机森林模型... ✅ 成功加载 Random Forest 模型（基于 41 维特征） 🔄 正在进行特征对齐（TCA）以减小域间差异... ⚠️ 未安装 transferlearning 库，正在使用本地实现... ✅ TCA 对齐完成！新特征维度: 10 🔮 正在使用源域模型生成目标域伪标签... 📋 初始伪标签预测结果: Filename Predicted_Class Confidence Confidence_Bin 0 A.mat Ball 0.53 Medium (0.5~0.7) 1 C.mat Inner Race 0.59 Medium (0.5~0.7) 2 D.mat Ball 0.61 Medium (0.5~0.7) 3 E.mat Ball 0.39 Low (<0.5) 4 F.mat Ball 0.48 Low (<0.5) 5 G.mat Outer Race 0.57 Medium (0.5~0.7) 6 H.mat Ball 0.39 Low (<0.5) 7 I.mat Inner Race 0.58 Medium (0.5~0.7) 8 J.mat Ball 0.36 Low (<0.5) 9 K.mat Ball 0.42 Low (<0.5) 10 L.mat Ball 0.59 Medium (0.5~0.7) 11 M.mat Ball 0.51 Medium (0.5~0.7) 12 N.mat Inner Race 0.50 Low (<0.5) 13 O.mat Ball 0.41 Low (<0.5) 14 P.mat Ball 0.70 Medium (0.5~0.7) 🔁 正在执行自训练（Self-Training）以迭代优化... ✅ 第1轮自训练完成，新增 1 个高置信样本，总训练样本: 125 ✅ 第2轮自训练完成，新增 2 个高置信样本，总训练样本: 127 ✅ 第3轮自训练完成，新增 4 个高置信样本，总训练样本: 131 Traceback (most recent call last): File D:\anaconda3\Lib\site-packages\spyder_kernels\py3compat.py:356 in compat_exec exec(code, globals, locals) File c:\users\1\desktop\未命名23.py:231 for i, v in enumerate(final_result_df['Predicted_Class'].value_counts()[class_names]): File D:\anaconda3\Lib\site-packages\pandas\core\series.py:1153 in __getitem__ return self._get_with(key) File D:\anaconda3\Lib\site-packages\pandas\core\series.py:1194 in _get_with return self.loc[key] File D:\anaconda3\Lib\site-packages\pandas\core\indexing.py:1191 in __getitem__ return self._getitem_axis(maybe_callable, axis=axis) File D:\anaconda3\Lib\site-packages\pandas\core\indexing.py:1420 in _getitem_axis return self._getitem_iterable(key, axis=axis) File D:\anaconda3\Lib\site-packages\pandas\core\indexing.py:1360 in _getitem_iterable keyarr, indexer = self._get_listlike_indexer(key, axis) File D:\anaconda3\Lib\site-packages\pandas\core\indexing.py:1558 in _get_listlike_indexer keyarr, indexer = ax._get_indexer_strict(key, axis_name) File D:\anaconda3\Lib\site-packages\pandas\core\indexes\base.py:6200 in _get_indexer_strict self._raise_if_missing(keyarr, indexer, axis_name) File D:\anaconda3\Lib\site-packages\pandas\core\indexes\base.py:6252 in _raise_if_missing raise KeyError(f"{not_found} not in index") KeyError: "['Normal'] not in index"
09-24
Name: Predicted_Class, dtype: int64 ``` → 没有 Normal，因此不能直接按 `class_names` 索引！ --- ## ✅ 最终推荐写法（通用模板） ```python # 安全获取各类别计数（缺省为0） counts = final_result_df['...
使用autoit实现自动操作
mush_me的专栏
09-21 3016
使用autoit自动登录vmware的例子 主要使用了几个自动操作 run：运行程序 WinWaitActive：等待某个窗口加载完成，可以根据title【默认】，可以根据class send：发送内容，如果不转义的话，加参数1，！相当于ALT键 [code="java"] Run("C:\Program Files (x86)\VMware\VMware Horizon View C...
IDEA自定义自动联想
mush_me的专栏
06-20 2615
IDEA有很多高级的功能，比如输入sout会自动输出System.out.println(""); 这个功能很实用，我们可以自定义自己的快捷输出，以方便代码书写 1.点击File 2.点击Settings 3.搜索live 找到 live Templates 4.选中右侧的 output 5.点击右侧的 +，选择 live Template 6.在Abbreviation处输入自定义的快捷字串(比如psvb) 7.在tempaltetext处填写要输出的内容 8.选择要使用的语言范围 ..
不能上网错误 137 (net::ERR_NAME_RESOLUTION_FAILED):未知错误的解决方法
mush_me的专栏
09-09 2297
IE, chrome不能上网, 但是火狐可以上网, QQ等客户端也能上网. chrome下错误代码: 错误 137 (net::ERR_NAME_RESOLUTION_FAILED):未知错误. 开始以为是dns解析的问题, 换了8.8.8.8 8.8.4.4等等.不行. 原因是我安装一个 本地PHP运行服务器：APMServ5.2.6. 在用了它的解决软件冲突的功能后, 发...
autoit读取ini配置文件
mush_me的专栏
09-22 2033
读取ini文件，从脚本当前目录的key.ini中读取 [code="java"] Global $key = IniRead(@ScriptDir&"\key.ini", "keysection", "vmkey", "null"); [/code] 读取ini文件，从D盘的key.ini中读取 [code="java"] Global $key = IniRe
抵御iframe弹出恶意广告
mush_me的专栏
09-22 886
抵御iframe弹出恶意广告 网页被运营商劫持后，总会弹出iframe的广告。 使用以下代码，能防止网页被iframe [code="java"] if(top!=self){ top.location=self.location; } [/code] 另付上工信部投诉地址：http://www.chinatcc.gov.cn:808...
nginx配置域名跳转(让不带www的域名跳转到带www的域名)
mush_me的专栏
10-18 849
让不带www的域名跳转到带www的域名 以下让frady.info跳转到www.frady.info server { listen 80; server_name www.frady.info frady.info; if ($http_host !~ '^www\.frady\.info$') { rewrite ^(.*) http://www.frady.info$1 re...
autoit使用des加密解密
mush_me的专栏
09-22 812
直接使用crypt包，默认包含的，不用安装，引用即可 [code="java"] #include Global $key = "this is the test key"; Global $str = "testvalue" _Crypt_Startup() $hKey = _Crypt_DeriveKey($key, $CALG_AES_256) $s = _Crypt_E...
No factory method found for class org.apache.logging.log4j.core.appender.RollingFileAppender 怎么解决
最新发布
12-03
根据用户的问题和提供的引用内容，用户遇到了Log4j2的配置错误：“No factory method found for class org.apache.logging.log4j.core.appender.RollingFileAppender”。从引用中可以看出，这个问题可能由多种原因...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值