5/21-_习惯累积沉淀_新浪博客

正则表达式与数据库函数解析


if(/^[A-Za-z]{2}[0-9]{4}[A-Za-z]{2}[0-9]{1}[A-Za-z]{1}[0-9]{3}$/.test(contractIds[i].value)){    HR2014GL1B000 合法  
这是正则表达式验证吧

金额全是 number(18,2)
小数,百分比 都是number(7,6)

   window.close(); //js 中的关闭窗口.  会提示是否关闭
有时候关闭子窗口不想要他的提示,直接关闭
加上window.open('', '_parent', '');

SQL> edit PKG_PUB_CCP_FMS_PRO_CONTEXT 这是直接改服务器的脚本
从eclipse里拖过来的是该自己的脚本代码.   相同点是编译后在服务器产生影响

脚本里输出测试
1.DBMS_OUTPUT.PUT_LINE(output);  
2.输出到log表


< b aseResource implementation="org.eclipse.jetty.util.resource.ResourceCollection" >
src/main/webapp,../ reference/h tml,
../ r eference/jsp,../../pub/common/jsp< / resourcesAsC SV>
            </ b a seResourc e>
../../ 是指上一层上一层
maven打包jsp的路径.不在文件夹里的都不打包

DECODE(value, if1, then1, if2,then2, if3,then3, . . . else )
Value 代表某个表的任何类型的任意列或一个通过计算所得的任何结果。当每个value值被测试,如果value的值为if1,Decode 函数的结果是then1;如果value等于if2,Decode函数结果是then2

max=(a>b)?a:b;  有些类似

/home/a607-2/anaconda3/envs/cai/lib/python3.8/site-packages/torch/autograd/__init__.py:197: UserWarning: Error detected in ConvolutionBackward0. Traceback of forward call that caused the error: File "main.py", line 620, in <module> main(args) File "main.py", line 404, in main trainer.backprop(prev_color_heightmap, prev_valid_depth_heightmap, prev_primitive_action, prev_no_mask_best_ind, no_msak_label_value) File "/home/a607-2/cfg/grasp or push with transfer reinforcement learning/trainer.py", line 714, in backprop _, _ = self.forward(color_heightmap, depth_heightmap, is_volatile=False, File "/home/a607-2/cfg/grasp or push with transfer reinforcement learning/trainer.py", line 207, in forward output_prob = self.model(input_color_data, input_depth_data, is_volatile, specific_rotation, use_push) File "/home/a607-2/anaconda3/envs/cai/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1194, in _call_impl return forward_call(*input, **kwargs) File "/home/a607-2/cfg/grasp or push with transfer reinforcement learning/models.py", line 145, in forward final_grasp_feat = self.graspnet(input_data) File "/home/a607-2/anaconda3/envs/cai/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1194, in _call_impl return forward_call(*input, **kwargs) File "/home/a607-2/cfg/grasp or push with transfer reinforcement learning/vision/backbone_utils.py", line 153, in forward x = self.head(x) File "/home/a607-2/anaconda3/envs/cai/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1194, in _call_impl return forward_call(*input, **kwargs) File "/home/a607-2/anaconda3/envs/cai/lib/python3.8/site-packages/torch/nn/modules/container.py", line 204, in forward input = module(input) File "/home/a607-2/anaconda3/envs/cai/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1194, in _call_impl return forward_call(*input, **kwargs) File "/home/a607-2/anaconda3/envs/cai/lib/python3.8/site-package
10-15
在PyTorch中,`ConvolutionBackward0` 错误通常在反向传播过程中出现,往往与卷积层的输入数据、参数设置等方面有关。以下是一些可能的解决办法: ### 1. 检查输入数据的维度 卷积层对输入数据的维度有严格要求,通常输入数据的形状应为 `(batch_size, channels, height, width)`。如果维度不匹配,会在反向传播时引发错误。可以使用 `print(input_tensor.shape)` 打印输入数据的形状,确保其符合要求。 ```python import torch # 示例输入数据 input_tensor = torch.randn(16, 3, 224, 224) # 假设 batch_size=16, channels=3, height=224, width=224 print(input_tensor.shape) ``` ### 2. 检查卷积层的参数 卷积层的参数(如 `in_channels`、`out_channels`、`kernel_size`、`stride`、`padding` 等)需要正确设置。确保输入通道数与输入数据的通道数一致,输出通道数设置合理。 ```python import torch import torch.nn as nn # 示例卷积层 conv_layer = nn.Conv2d(in_channels=3, out_channels=64, kernel_size=3, stride=1, padding=1) ``` ### 3. 检查数据类型 输入数据和模型的参数需要使用相同的数据类型(通常为 `torch.float32`)。可以使用 `input_tensor = input_tensor.float()` 确保输入数据为 `float32` 类型。 ```python import torch input_tensor = torch.randn(16, 3, 224, 224) input_tensor = input_tensor.float() ``` ### 4. 检查梯度累积 如果使用了梯度累积,可能会导致梯度计算错误。可以尝试关闭梯度累积,或者检查累积步数和累积逻辑是否正确。 ```python # 示例:关闭梯度累积 optimizer.zero_grad() loss.backward() optimizer.step() ``` ### 5. 检查数据加载 数据加载过程中可能会出现数据损坏或异常的情况。可以检查数据加载器,确保数据正常。 ```python from torch.utils.data import DataLoader, Dataset class MyDataset(Dataset): def __init__(self): # 初始化数据集 pass def __len__(self): return 100 def __getitem__(self, idx): # 返回数据样本 pass dataset = MyDataset() dataloader = DataLoader(dataset, batch_size=16, shuffle=True) ``` ### 6. 检查模型代码 检查 `models.py` 和 `vision/backbone_utils.py` 等文件中的模型代码,确保没有逻辑错误或参数设置错误。 ### 7. 调试反向传播 可以使用 `torch.autograd.set_detect_anomaly(True)` 开启异常检测,它会在反向传播过程中提供更详细的错误信息,帮助定位问题。 ```python import torch torch.autograd.set_detect_anomaly(True) # 模型训练代码 ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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