All perguntas(coding)

Dê o seguinte dataframe:

 _BETTER     _SAME    _WORSE   ___dataset     Metric
  0.373802  0.816794  0.568783      Train      precision
  0.391304  0.865229  0.519324      Train      recall
  0.382353  0.840314  0.542929      Train      f1-score
  0.500000  1.000000  0.583333      Val        precision
  0.333333  1.000000  0.736842      Val        recall
  0.400000  1.000000  0.651163      Val        f1-score
  0.000000  0.000000  0.666667      Test       precision
  0.000000  0.000000  0.500000      Test       recall
  0.000000  0.000000  0.571429      Test       f1-score

gostaria de acrescentar o seguinte:

 _BETTER     _SAME    _WORSE   ___dataset     Metric
  0.373802  0.816794  0.568783      Train      precision
  0.391304  0.865229  0.519324      Train      recall
  0.382353  0.840314  0.542929      Train      f1-score
  0.500000  1.000000  0.583333      Val        precision
  0.333333  1.000000  0.736842      Val        recall
  0.400000  1.000000  0.651163      Val        f1-score
  0.000000  0.000000  0.666667      Test       precision
  0.000000  0.000000  0.500000      Test       recall
  0.000000  0.000000  0.571429      Test       f1-score
  mean_p_b  mean_p_s  mean_p_w       All       precision_avg
  mean_r_b  mean_r_s  mean_r_w       All       recall_avg
  mean_f1_b mean_f1_s mean_f1_w      All       f1_score_avg

onde mean_p_b mean_p_s mean_p_w é obtido pela média da linha de precisão, em relação às três colunas, respectivamente. Da mesma forma, mean_r_b mean_r_s mean_r_w e mean_f1_b mean_f1_s mean_f1_w.

Aplicando cada um separadamente:

 df_avg_precision["BETTER"] = (df_train_precision['_BETTER'].values + df_val_precision['_BETTER'].values + 
 df_test_precision['_BETTER'].values)/3
 df_avg_precision["Metric"] = "precision_avg"
 df_avg_recall["BETTER"] = (df_train_recall['_BETTER'].values + 
 df_val_recall['_BETTER'].values + df_test_recall['_BETTER'].values)/3
 df_avg_recall["Metric"] = "recall_avg"
 df_avg_f1["BETTER"] = (df_train_f1['_BETTER'].values + 
 df_val_f1['_BETTER'].values + df_test_f1['_BETTER'].values)/3
 df_avg_f1["Metric"] = "f1_avg"`
    

Tenho um dataframe parecido com este:

structure(list(date = structure(c(1738195200, 1738281600, 1738368000, 
1739404800, 1741219200, 1741305600, 1743638400, 1743724800, 1743811200
), tzone = "UTC", class = c("POSIXct", "POSIXt")), fishery = c("Lake Conroe", 
"Lake Conroe", "Lake Conroe", "Harris Chain", "Lake Murray", 
"Lake Murray", "Lake Guntersville", "Lake Guntersville", "Lake Guntersville"
), tournament_day = c(1, 2, 3, 1, 1, 2, 1, 2, 3), angler = c("Martin Villa", 
"Martin Villa", "Martin Villa", "Martin Villa", "Martin Villa", 
"Martin Villa", "Martin Villa", "Martin Villa", "Martin Villa"
), ffs_period = c("P1", "P2", "P1", "P3", "P1", "P1", "P3", "P2", 
"P1"), used_ffs = c(TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, 
TRUE, TRUE)), row.names = c(NA, -9L), class = c("tbl_df", "tbl", 
"data.frame"))

Meu problema é que existem 3 observações "ffs_period" para cada data única: P1, P2, P3. Só tenho dados para a observação "used_ffs" que é "TRUE". Para as duas observações adicionais para cada data, pescaria, dia do torneio e pescador, preciso preencher as duas linhas restantes com "ffs_period" e "used_ffs", que não estão presentes. Por exemplo, a primeira observação em que "ffs_period" é P1 e "used_ffs" é TRUE, eu precisaria preencher duas linhas com a mesma data, pescaria, dia do torneio e pescador, em que "ffs_period" é P2 e P3 e used_ffs é FALSE para ambos. O resultado final seria assim:

Isso é possível? Ou é muito complicado?

Estou usando PyTorchpara um curso de reconhecimento facial e preciso calcular o valor MAPE.

Minha primeira tentativa foi com torchmetrics.MeanAbsolutePercentageErrorclasse, mas o resultado não faz sentido.

Por esse motivo, escrevi uma função para calculá-lo e parece funcionar bem.

Investigando um pouco, parece-me que o problema está relacionado à presença de 0no array de valores verdade, mas não encontrei nada na torchmetricsdocumentação.

Existe uma maneira de evitar esse problema em torchmetrics?

É possível que o epsilonvalor na fórmula MAPE não esteja definido? Se for o caso, como posso atribuir um valor a ele?

Estou feliz em usar a outra função, mas estou curioso para entender o motivo desses resultados com torchmetrics.

Estas são as 2 funções para calcular o MAPE:

def calculate_mape_torch(preds, targets):
    """Calculate MAPE using PyTorch method.
    
    Args:
        preds: array with ground truth values
        targets: array with predictions from model

    Returns:
        MAPE
    """
    if not isinstance(preds, torch.Tensor):
        preds = torch.tensor(preds)
    if not isinstance(targets, torch.Tensor):
        targets = torch.tensor(targets)

    mape = MeanAbsolutePercentageError()

    return mape(preds, targets) * 100


def calculate_mape(preds, targets, epsilon=1):
    """Calculate the Mean Absolute Percentage Error.
    
    Args:
        preds: array with ground truth values
        targets: array with predictions from model
        epsilon: value to avoid divide by zero problem

    Returns:
        MAPE
    """
    preds_flatten = preds.flatten("F")
    targets_flatten = targets.flatten("F")

    return np.sum(np.abs(targets_flatten - preds_flatten) / np.maximum(epsilon, targets_flatten)) / len(preds_flatten) * 100

Com estes valores:

y_true = np.array([[1, 0, 3], [4, 5, 6]])
y_pred = np.array([[3, 2, 2], [7, 3, 6]])

as 2 funções dão os resultados:

>>> calculate_mape(y_pred, y_true)
91.38888888888889

>>> calculate_mape_torch(y_pred, y_true)
tensor(28490084.)

Com estes valores:

y_true = np.array([[1, 2, 3], [4, 5, 6]])
y_pred = np.array([[3, 2, 2], [7, 3, 6]])

as 2 funções dão os resultados:

>>> calculate_mape(y_pred, y_true)
58.05555555555556

>>> calculate_mape_torch(y_pred, y_true)
tensor(58.0556)

Estou tentando criar um token com FastAPI:

> import json
> import os
> import aiohttp
> import asyncio
> from fastapi import FastAPI
> from fastapi import APIRouter, Request
> from fastapi.responses import JSONResponse
> 
> token = APIRouter(prefix="/management/api", tags=["API Apl token"])
> 
> app=FastAPI()
> app.include_router(token)

e muitos métodos depois...

Eu consegui isso

> uvicorn peg:token --reload
> INFO:     Will watch for changes in these directories: ['C:\\Users\\Ejbc25\\fastapi']
> INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)
> INFO:     Started reloader process [2232] using StatReload
> INFO:     Started server process [20632]
> INFO:     Waiting for application startup.
> INFO:     Application startup complete.
> INFO:     127.0.0.1:51183 - "GET / HTTP/1.1" 404 Not Found
> INFO:     127.0.0.1:51183 - "GET / HTTP/1.1" 404 Not Found

Como corrigir esse problema?

Eu esperava que http://127.0.0.1:8000/token retornasse o token, mas mostra

Não encontrado

Tenho experiência com Laravel e PHP e sou iniciante em ASP.NET Core e Blazor. Tenho interesse em explorar o Blazor e pretendo usar o PostgreSQL como banco de dados e o ASP.NET Core como backend.

Identifiquei duas opções de hospedagem que gostaria de experimentar:

1. Blazor Server com modo de renderização de web assembly interativo
2. Montagem web Blazor

Pela minha pesquisa inicial, essas duas opções parecem bastante semelhantes, o que me confunde. Pelo que entendi, o Blazor Server com renderização interativa de web assembly pode ser equivalente ao Blazor web assembly, mas não tenho certeza se isso é exato.

Alguém poderia esclarecer as principais diferenças entre essas duas abordagens?

Especificamente:

1. Como eles diferem em termos de arquitetura, desempenho e casos de uso?
2. O Blazor Server com web assembly interativo é essencialmente o mesmo que o Blazor web assembly ou há vantagens/desvantagens distintas para cada um?

Qualquer informação será muito apreciada.

Sou novo no Flutter e atualmente estou criando um aplicativo usando Supabase para autenticação.

Tudo funciona bem, como registro de usuário, login, etc., mas estou enfrentando um problema ao sair.

Quando pressiono o botão de logout, o usuário é desconectado com sucesso, mas o aplicativo não navega para a página de login como esperado.

Este é o código de logout

    import 'package:expense_tracker/auth/auth_service.dart';
    import 'package:expense_tracker/components/elevated_button.dart';
    import 'package:flutter/material.dart';
    
    class Setting extends StatefulWidget {
      const Setting({super.key});
    
      @override
      State<Setting> createState() => _SettingState();
    }
    
    class _SettingState extends State<Setting> {
      final auth = authService();
    
      void logout() async {
        await auth.signOut();
      }
    
      @override
      Widget build(BuildContext context) {
        return Scaffold(
          body: Center(
            child: CustomButton(
              onPress: logout,
              text: "Logout",
              isSmall: true,
            ),
          ),
        );
      }
    }

Este é o código de autenticação do portão

    import 'package:expense_tracker/pages/home_page.dart';
    import 'package:expense_tracker/pages/login_page.dart';
    import 'package:flutter/material.dart';
    import 'package:supabase_flutter/supabase_flutter.dart';
    
    class AuthGate extends StatelessWidget {
      const AuthGate({super.key});
    
      @override
      Widget build(BuildContext context) {
        return StreamBuilder(
          stream: Supabase.instance.client.auth.onAuthStateChange,
          builder: (context, snapshot) {
            print("Auth state changed: ${snapshot.data}");
    
            if (snapshot.connectionState == ConnectionState.waiting) {
              return const Scaffold(
                body: Center(child: CircularProgressIndicator()),
              );
            }
    
            final session = Supabase.instance.client.auth.currentSession;
            print("Current session: $session");
    
            if (session != null) {
              return HomePage();
            } else {
              return LoginPage();
            }
          },
        );
      }
    }

This is main page code 

    @override
    Widget build(BuildContext context) {
      return MaterialApp(
        debugShowCheckedModeBanner: false,
        themeMode: ThemeMode.system,
        theme: MyThemes.lightTheme,
        darkTheme: MyThemes.darkTheme,
        home: const AuthStateListener(),
        routes: {
          "/login": (context) => const LoginPage(),
          "/register": (context) => const RegisterPage(),
          "/home": (context) => const HomePage(),
          "/expense": (context) => const AddExpense(),
          "/split": (context) => const SplitFriends(),
          "/setting": (context) => const Setting(),
        },
      );
    }

O que eu tentei:

1. Encapsulamento signOut()em um bloco try-catch — nenhum erro detectado.

2. Verificado que auth.signOut()realmente desconecta o usuário.

3. Os logs foram verificados e o AuthGate imprime a sessão como nula (esperado após o logout).

Mas ainda não redirecionado para LoginPage.

O que eu espero:

Após sair, o aplicativo deve redirecionar automaticamente para LoginPage (conforme tratado no AuthGate).

OBSERVAÇÃO Sempre que executo um aplicativo sem depuração, ele funciona.

Meu objetivo é ajustar a seguinte função aos meus dados:

def P(t, CP, Pan, tau):
    P_val = CP + Pan / (1 + t / tau)
    P_val = np.where(t >= 900, P_val - 0.8 * np.log(t / 900), P_val)
    return P_val

e, em seguida, plotar esta função. No entanto, gostaria de usar duas cores diferentes para os casos t<900e t>=900. Assim, decidi plotar as duas partes da curva separadamente, como mostrado abaixo. No entanto, isso resultou em duas curvas com um pequeno espaço entre elas, mesmo ao tentar forçar explicitamente a incorporação de t=900nas matrizes de tempo usadas para plotar as duas partes da curva. Algo como aqui:

Se forçarmos a inclusão de t=900, o problema da lacuna pode ser resolvido, mas o resto se desfaz, e obtenho duas curvas plotadas:

Como devo resolver esse problema ou existe uma solução alternativa/outra abordagem (por exemplo, linhas multicoloridas) para obter uma curva contínua com duas cores diferentes, que eu possa usar aqui? De acordo com a documentação do Matplotlib , LineCollectionpode ser útil, mas infelizmente não me sinto confortável com isso matplotlib.collections.

Aqui está meu código completo:

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

# Data
t2 = np.array([
    80,
    160,
    200,
    320,
    400,
    640,
    800,
    900,
    1000,
    1280,
    2000,
])

P_t2 = np.array([
    4.64,
    3.97,
    3.79,
    3.48,
    3.36,
    3.18,
    3.11,
    3.08,
    3.06,
    3.01,
    2.94,
])

t_min = 0 
t_cutoff = 7500  

mask = (t2 >= t_min) & (t2 <= t_cutoff)

t_filtered = t2[mask]
P_t_filtered = P_t2[mask]

def P(t, CP, Pan, tau):
    P_val = CP + Pan / (1 + t / tau)
    P_val = np.where(t >= 900, P_val - 0.8 * np.log(t / 900), P_val)
    return P_val

initial_guesses = [3.0, 4.0, 50.0]
bounds = ([1.35, 0, 0], [np.inf, np.inf, np.inf])

popt2, pcov2 = curve_fit(P, t_filtered, P_t_filtered, p0=initial_guesses, bounds=bounds, maxfev=5000)


t_fit2 = np.linspace(1, max(t2), 500)
P_fit2 = P(t_fit2, *popt2)


t_fit2_middle = t_fit2[(t_fit2 >= 80) & (t_fit2 <= 900)]
t_fit2_middle = np.append(t_fit2_middle, 900)               # include 900 explicitly

t_fit2_over = t_fit2[t_fit2 >= 900]
#t_fit2_over = np.append(t_fit2_over, 900)               # include 900 explicitly

P_fit2_middle = P(t_fit2_middle, *popt2)
P_fit2_over1 = P(t_fit2_over, *popt2)

#plotting
plt.plot(t_fit2_middle, P_fit2_middle, color='green', linewidth=2)
plt.plot(t_fit2_over, P_fit2_over1, color='red', linewidth=2)

plt.fill_between(t_fit2_middle, 0, P_fit2_middle, color='green', alpha=0.3, hatch='//')
plt.fill_between(t_fit2_over, P_fit2_over1, color='red', alpha=0.3, hatch='//')

plt.xlim(1, 1250)
plt.ylim(0, 8)
plt.minorticks_on()

ax = plt.gca()
ax.tick_params(labelbottom=False, labelleft=False)

plt.tight_layout()
plt.show()

Considere este exemplo em que tenho 3 tarefas de trabalho que enviam resultados para uma fila e uma tarefa que lida com os dados enviados.

async def worker1(queue: asyncio.Queue):
    while True:
        res = await do_some_work(param=1)

        await queue.put(res)

async def worker2(queue: asyncio.Queue):
    while True:
        res = await do_some_work(param=2)

        await queue.put(res)

async def worker3(queue: asyncio.Queue):
    while True:
        res = await do_some_work(param=3)

        await queue.put(res)

async def handle_results(queue: asyncio.Queue):

    while True:
        res = await queue.get()
        await handle_result(res)
        queue.task_done()

async def main():
    queue = asyncio.Queue()
    t1 = asyncio.create_task(worker1(queue))
    t2 = asyncio.create_task(worker2(queue))
    t3 = asyncio.create_task(worker3(queue))

    handler = asyncio.create_task(handle_result(queue))

    while True:
        # do some other stuff

        ....

asyncio.run(main())

A documentação diz que asyncio.Queuenão é thread-safe, mas isso não deveria se aplicar aqui, pois todas as tarefas estão sendo executadas na mesma thread. Mas preciso de um asyncio.Lockpara proteger a fila quando tenho 3 tarefas que enviam para a mesma fila? Observando a implementação em Python 3.12 (que cria um putterfuture e aguarda por ele antes de enviar para a fila), eu diria que não , mas não tenho certeza, e a documentação não menciona o que aconteceria neste caso. Então, o asyncio.Lockneste caso é necessário?

Criei scripts AZ CLI para criar um aplicativo funcional, implantar conteúdo via zip deploy e definir as configurações do aplicativo/variáveis ​​de ambiente. Após executar o script, o único arquivo em wwwroot é "FAILED TO INITIALIZE RUN FROM PACKAGE.txt". Nenhum outro conteúdo foi encontrado. Após executar o script novamente, às vezes, o conteúdo é encontrado.

$exists = az functionapp list | ConvertFrom-Json -Depth 10 | Select name | Where {$_.Name -like $func_name}
If ($exists.length -eq 0) {
  Write-Host "Creating function '$func_name'"
  az functionapp create -g $ressource_group -n $func_name -s $storageaccount --os-type Windows --consumption-plan-location northeurope --functions-version 4 --runtime dotnet-isolated --runtime-version 8
}
    
Write-Host "Deploying $func_name"
az functionapp deployment source config-zip -g $ressource_group -n $func_name_azure --src $function_package_zip --build-remote true --timeout 120

Write-Host "Configuring $func_name"
az functionapp config appsettings set -g $ressource_group -n $func_name --settings `@func_settings.json

A implantação do VS 2022 em nosso ambiente de desenvolvimento funciona bem. Comparei o arquivo zip gerado com o arquivo zip gerado pelo VS 2022 em nossa configuração de desenvolvimento e não encontrei diferenças.

Acho que estão faltando alguns parâmetros ou etapas, mas não consegui encontrar mais documentação.

Tenho um arquivo grande de texto, linha por linha, terminado com chr(13) no Windows. Quero armazenar o texto no campo memo do arquivo mdb do Access, que tem um limite máximo de tamanho de apenas 64 KB.

O arquivo de texto contém caracteres Unicode.

Como posso usar o método de entrada de linha do VB6 para dividir o texto em vários arquivos? Ou existe uma alternativa melhor para fazer isso em vez de escrever um programa?

Exemplo de texto:

1 00:00:01,960 --> 00:00:04,880 哦哦,向前一迎就上

2 00:00:04,880 --> 00:00:07,600 去。我都跟你讲,拉球摩擦是需要

3 00:00:07,600 --> 00:00:10,480 顶,没有顶它,它不是一个

4 00:00:10,480 --> 00:00:13,280 单纯的往上的动作，它需要一边

5 00:00:13,280 --> 00:00:16,240 往前顶,找到球的时候给一个小的动

Public Sub splitFile()

  Dim i, t1, t2, c1, c2, k As Long
  Dim TextLine, OutLine
  Dim thisfile
  Dim partCount

  thisfile = "speechByParts.txt"
  
  partCount = 0
  OutLine = ""
  Open thisfile For Input As #1   ' Open file.
  Do While Not EOF(1)   ' Loop until end of file.
    Line Input #1, TextLine   ' Read line into variable.
    
    Debug.Print TextLine
    OutLine = OutLine & TextLine & Chr(13)

    If Len(OutLine) > 60000 Then
      partCount = partCount + 1
      WriteFile "speechByParts" & partCount & ".txt", OutLine
      OutLine = ""

    End If

  Loop
  
  If OutLine > "" Then
    partCount = partCount + 1
    WriteFile "speechByParts" & partCount & ".txt", OutLine
  End If

  Close #1   ' Close file

End Sub