毕业论文の乱七八糟错误

1.打开tensorboard

要用anaconda prompt打开，并且要先activate tensorflow,然后cd 到放日志文件夹的上一层，model就是放日志的文件夹，也就是model的上一层。

cd C:\Class\毕业设计\code\

然后输入tensorboard --logdir "model"这里的model就是存放日志的文件夹。
下面有地址，直接复制进去就行了。


不知道为什么pycharm终端里打不开，而且还报h5py的错误：

UserWarning: h5py is running against HDF5 1.10.5 when it was built against 1.10.4, this 
may cause problems
  '{0}.{1}.{2}'.format(*version.hdf5_built_version_tuple)
Warning! ***HDF5 library version mismatched error***

2. ParserError: Error tokenizing data. C error: EOF inside string starting at row 6967

读取文件的时候报错：

ParserError: Error tokenizing data. C error: EOF inside string starting at row 6967

加入quoting=csv.QUOTE_NONE就行
就是test = pd.read_csv(r'testA.csv')变成

import csv
train = pd.read_csv(r'train.csv',quoting=csv.QUOTE_NONE)
test = pd.read_csv(r'testA.csv',quoting=csv.QUOTE_NONE)
train.head()
test.head()

3.记录一下自建CNN的结构

4. 怎么记录accurary和loss等训练数据

model.fit()长这样：

记录的代码就是

# 保存训练的日志文件
        log_address_csv = str('log_ResNet/training_log_' + str(i) +'.csv')
        pd.DataFrame(history.history).to_csv(log_address_csv, index=False)

记录下来的部分数据就是

代码里的log_address_csv是文件存放地址，可以自己调整。
或者也可以用TensorBoard，再到TensorBoard的可视化页面中保存数据，大概结构如下。

tbCallBack = TensorBoard(log_dir="./CNNmodel_2", histogram_freq=1,write_grads=True) 
model.fit(train_X,
          train_Y,
          batch_size=batch_size,
          epochs=num_epochs,
          verbose=2,
          callbacks=[tbCallBack])

5.怎么打开flask项目的debug模式

点击Pycharm右上角的编辑配置

把FLASK_DEBUG勾选上就好了

这样有新的更改就不用终止运行再重新运行了，直接浏览器刷新就行

6. Flask怎么在app.py中指定html的页面

7. bootstrap官网的文件上传按钮上传文件后可以显示文件名，而本地却不能

参考教程；https://blog.csdn.net/qq_34559890/article/details/89675998
在官网上可以显示文件名

本地不行

增加一个onchange响应

<div class="input-group">
                        <div class="custom-file">
                            <input type="file" class="custom-file-input" id="inputGroupFile04"
                                   aria-describedby="inputGroupFileAddon04" accept="text/csv"
                                   onchange="showFilename(this.files[0])">
                            <label class="custom-file-label" id="filename_label" for="inputGroupFile04">Choose filelabel>
                        div>
                        <div class="input-group-append">
                            <button class="btn btn-outline-secondary" type="button" id="inputGroupFileAddon04">Preview
                            button>
                        div>
                    div>

<script>
function showFilename(file){
    $("#filename_label").html(file.name);
    }
script>

也就是bootstrap上的代码在input上加一个onchange，在input下的label中加入id
再在< script >中写入响应函数showFilename()

8.Uncaught ReferenceError: $ is not defined

在flask项目中就正常引用就好了，地址用url_for()的方式获得

<script type="text/javascript" src="{{ url_for('static',filename='js/jquery-3.5.1.min.js') }}"></script>

9. 怎么在html中引入markdown

<script src="https://code.jquery.com/jquery-3.4.1.min.js">script>
<script src="https://cdn.jsdelivr.net/npm/marked/marked.min.js">script>

<div id="content">div>

<script>
    $.get('../md/index.md', function(response, status, xhr){
        $("#content").html(marked.parse(response));
    });
script>

如果要高亮的话，要先下载highlight.js的包，引用如下（一定要用highlight.min.js，用highlight.js不会高亮字母，css可以更换，是不同的样式，样式可以参考https://highlightjs.org/static/demo/

<link rel="stylesheet" href="{{ url_for("static",filename='highlight/styles/atom-one-light.min.css') }}">
    <link rel="icon" href="{{ url_for('static',filename='img/favicon.ico') }}" type="image/x-icon">
    <script type="text/javascript" src="{{ url_for('static',filename='highlight/highlight.min.js') }}">script>

<div class="row">
    <pre>
<code class="python">
import pandas as pd
import numpy as np
import tensorflow as tf
import os
model = tf.keras.Sequential([
        tf.keras.layers.Conv1D(filters=32, kernel_size=(5,), padding='same', activation=tf.keras.layers.LeakyReLU(alpha=0.001), input_shape = (train_X.shape[1],1)),
        tf.keras.layers.Conv1D(filters=64, kernel_size=(5,), padding='same', activation=tf.keras.layers.LeakyReLU(alpha=0.001)),
        tf.keras.layers.Conv1D(filters=128, kernel_size=(5,), padding='same', activation=tf.keras.layers.LeakyReLU(alpha=0.001)),
        tf.keras.layers.MaxPool1D(pool_size=(5,), strides=2, padding='same'),
        tf.keras.layers.Dropout(0.5),
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dense(units=512, activation=tf.keras.layers.LeakyReLU(alpha=0.001)),
])
num_epochs = 30
batch_size = 128
tbCallBack = TensorBoard(log_dir="./自建CNNmodel_2", histogram_freq=1,write_grads=True)
model.fit(train_X,
          train_Y,
          batch_size=batch_size,
          epochs=num_epochs,
          verbose=2,
          callbacks=[tbCallBack])
    code>
pre>
        div>

<script>    hljs.highlightAll();script>

怎么在一张页面中显示两个echarts图表

两个div的id要不同

<div class="row" id="chart-container" style="height: 70vh;width:80vh;margin-left: 15%">
<div class="row" id="chart-container2" style="height: 70vh;width:80vh;margin-left: 15%">

其实就是构建两个function然后分别调用，记得getElementById()里要要和上面的id对应

<script>
window.onload = function() {
    echarts01();
    echarts02();

    function echarts01(){
        var dom = document.getElementById('chart-container');
    var myChart = echarts.init(dom, null, {
    renderer: 'canvas',
    useDirtyRect: false
    });
    ...
    }

    function echarts02(){
    var dom = document.getElementById('chart-container2');
var myChart = echarts.init(dom, null, {
  renderer: 'canvas',
  useDirtyRect: false
});
  ...
    }
    script>

10.echarts仪表盘怎么改最大刻度

在series下增加min和max就行

11.怎么快速生成Latex公式

找到了一个可以点点点的网站：https://private.codecogs.com/latex/eqneditor.php?lang=en
可以直接同步看到写出来的公式，不错

ValueError: Unknown activation function: LeakyReLU

这里的做法是把LeakyReLU当成自定义函数来导入

from keras.layers import LeakyReLU
model = tf.keras.models.load_model("自建CNN存放处/自建CNN_1_epoch30.h5",custom_objects={'LeakyReLU':LeakyReLU})
pre = model.predict(test_X)

使用custom_objects就可以