yangshan_gleam

错误：W tensorflow/core/framework/op_kernel.cc:1273] OP_REQUIRES failed at transpose_op.cc:199

2019-07-23 10:05:55.269273: W tensorflow/core/common_runtime/bfc_allocator.cc:267] Allocator (GPU_0_bfc) ran out of memory trying to allocate 1.16GiB.  Current allocation summary follows.
2019-07-23 10:05:55.269540: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (256): 	Total Chunks: 66, Chunks in use: 66. 16.5KiB allocated for chunks. 16.5KiB in use in bin. 352B client-requested in use in bin.
2019-07-23 10:05:55.269800: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (512): 	Total Chunks: 2, Chunks in use: 2. 1.0KiB allocated for chunks. 1.0KiB in use in bin. 800B client-requested in use in bin.
2019-07-23 10:05:55.270057: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (1024): 	Total Chunks: 1, Chunks in use: 1. 1.3KiB allocated for chunks. 1.3KiB in use in bin. 1.0KiB client-requested in use in bin.
2019-07-23 10:05:55.270336: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (2048): 	Total Chunks: 31, Chunks in use: 31. 116.3KiB allocated for chunks. 116.3KiB in use in bin. 109.0KiB client-requested in use in bin.
2019-07-23 10:05:55.270603: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (4096): 	Total Chunks: 0, Chunks in use: 0. 0B allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.270846: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (8192): 	Total Chunks: 0, Chunks in use: 0. 0B allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.271095: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (16384): 	Total Chunks: 6, Chunks in use: 6. 127.5KiB allocated for chunks. 127.5KiB in use in bin. 126.6KiB client-requested in use in bin.
2019-07-23 10:05:55.271373: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (32768): 	Total Chunks: 0, Chunks in use: 0. 0B allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.271625: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (65536): 	Total Chunks: 6, Chunks in use: 6. 760.5KiB allocated for chunks. 760.5KiB in use in bin. 759.4KiB client-requested in use in bin.
2019-07-23 10:05:55.271897: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (131072): 	Total Chunks: 6, Chunks in use: 6. 1.48MiB allocated for chunks. 1.48MiB in use in bin. 1.48MiB client-requested in use in bin.
2019-07-23 10:05:55.272166: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (262144): 	Total Chunks: 12, Chunks in use: 12. 5.19MiB allocated for chunks. 5.19MiB in use in bin. 5.19MiB client-requested in use in bin.
2019-07-23 10:05:55.272434: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (524288): 	Total Chunks: 12, Chunks in use: 12. 8.16MiB allocated for chunks. 8.16MiB in use in bin. 8.16MiB client-requested in use in bin.
2019-07-23 10:05:55.272698: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (1048576): 	Total Chunks: 1, Chunks in use: 0. 1.32MiB allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.272946: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (2097152): 	Total Chunks: 0, Chunks in use: 0. 0B allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.273183: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (4194304): 	Total Chunks: 2, Chunks in use: 1. 10.58MiB allocated for chunks. 5.29MiB in use in bin. 5.29MiB client-requested in use in bin.
2019-07-23 10:05:55.273433: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (8388608): 	Total Chunks: 0, Chunks in use: 0. 0B allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.273660: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (16777216): 	Total Chunks: 0, Chunks in use: 0. 0B allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.273885: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (33554432): 	Total Chunks: 0, Chunks in use: 0. 0B allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.276650: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (67108864): 	Total Chunks: 0, Chunks in use: 0. 0B allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.276927: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (134217728): 	Total Chunks: 0, Chunks in use: 0. 0B allocated for chunks. 0B in use in bin. 0B client-requested in use in bin.
2019-07-23 10:05:55.277246: I tensorflow/core/common_runtime/bfc_allocator.cc:597] Bin (268435456): 	Total Chunks: 8, Chunks in use: 6. 8.43GiB allocated for chunks. 6.93GiB in use in bin. 6.92GiB client-requested in use in bin.
2019-07-23 10:05:55.277529: I tensorflow/core/common_runtime/bfc_allocator.cc:613] Bin for 1.16GiB was 256.00MiB, Chunk State: 
2019-07-23 10:05:55.277652: I tensorflow/core/common_runtime/bfc_allocator.cc:619]   Size: 368.86MiB | Requested Size: 181.49MiB | in_use: 0, prev:   Size: 1.16GiB | Requested Size: 1.16GiB | in_use: 1
2019-07-23 10:05:55.277839: I tensorflow/core/common_runtime/bfc_allocator.cc:619]   Size: 1.14GiB | Requested Size: 1.14GiB | in_use: 0, prev:   Size: 1.15GiB | Requested Size: 1.14GiB | in_use: 1, next:   Size: 1.16GiB | Requested Size: 1.16GiB | in_use: 1
2019-07-23 10:05:55.278075: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000000 of size 1280
2019-07-23 10:05:55.278402: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000500 of size 256
2019-07-23 10:05:55.278554: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000600 of size 256
2019-07-23 10:05:55.278718: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000700 of size 256
2019-07-23 10:05:55.278886: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000800 of size 256
2019-07-23 10:05:55.279063: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000900 of size 256
2019-07-23 10:05:55.279172: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000A00 of size 256
2019-07-23 10:05:55.279281: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000B00 of size 256
2019-07-23 10:05:55.279390: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000C00 of size 256
2019-07-23 10:05:55.279498: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000D00 of size 256
2019-07-23 10:05:55.279607: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000E00 of size 256
2019-07-23 10:05:55.279716: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311000F00 of size 256
2019-07-23 10:05:55.279828: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001000 of size 256
2019-07-23 10:05:55.279941: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001100 of size 256
2019-07-23 10:05:55.280053: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001200 of size 256
2019-07-23 10:05:55.280478: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001300 of size 256
2019-07-23 10:05:55.280655: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001400 of size 256
2019-07-23 10:05:55.280808: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001500 of size 256
2019-07-23 10:05:55.280973: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001600 of size 256
2019-07-23 10:05:55.281153: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001700 of size 256
2019-07-23 10:05:55.281319: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001800 of size 256
2019-07-23 10:05:55.281471: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001900 of size 256
2019-07-23 10:05:55.281636: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001A00 of size 256
2019-07-23 10:05:55.281840: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311001B00 of size 129792
2019-07-23 10:05:55.282005: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311021600 of size 259328
2019-07-23 10:05:55.282227: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311060B00 of size 777728
2019-07-23 10:05:55.282423: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000131111E900 of size 21760
2019-07-23 10:05:55.282608: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311123E00 of size 388864
2019-07-23 10:05:55.282823: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311182D00 of size 256
2019-07-23 10:05:55.282998: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311182E00 of size 518400
2019-07-23 10:05:55.283237: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311201700 of size 648192
2019-07-23 10:05:55.283471: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000131129FB00 of size 3840
2019-07-23 10:05:55.283661: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013112A0A00 of size 256
2019-07-23 10:05:55.283848: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013112A0B00 of size 256
2019-07-23 10:05:55.284017: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013112A0C00 of size 256
2019-07-23 10:05:55.284224: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013112A0D00 of size 256
2019-07-23 10:05:55.284390: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013112A0E00 of size 256
2019-07-23 10:05:55.284560: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013112A0F00 of size 129792
2019-07-23 10:05:55.284755: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013112C0A00 of size 259328
2019-07-23 10:05:55.284941: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013112FFF00 of size 388864
2019-07-23 10:05:55.285111: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000131135EE00 of size 518400
2019-07-23 10:05:55.285265: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013113DD700 of size 648192
2019-07-23 10:05:55.285379: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000131147BB00 of size 777728
2019-07-23 10:05:55.285498: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311539900 of size 21760
2019-07-23 10:05:55.285613: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000131153EE00 of size 129792
2019-07-23 10:05:55.285730: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000131155E900 of size 129792
2019-07-23 10:05:55.285847: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000131157E400 of size 259328
2019-07-23 10:05:55.285963: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013115BD900 of size 259328
2019-07-23 10:05:55.286081: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013115FCE00 of size 777728
2019-07-23 10:05:55.286198: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013116BAC00 of size 777728
2019-07-23 10:05:55.286314: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311778A00 of size 21760
2019-07-23 10:05:55.286435: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000131177DF00 of size 21760
2019-07-23 10:05:55.286558: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311783400 of size 388864
2019-07-23 10:05:55.286684: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013117E2300 of size 388864
2019-07-23 10:05:55.286811: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841200 of size 256
2019-07-23 10:05:55.286933: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841300 of size 256
2019-07-23 10:05:55.287061: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841400 of size 256
2019-07-23 10:05:55.287621: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841500 of size 256
2019-07-23 10:05:55.287777: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841600 of size 256
2019-07-23 10:05:55.287889: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841700 of size 256
2019-07-23 10:05:55.288001: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841800 of size 256
2019-07-23 10:05:55.288113: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841900 of size 256
2019-07-23 10:05:55.288224: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841A00 of size 256
2019-07-23 10:05:55.288335: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841B00 of size 256
2019-07-23 10:05:55.288446: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841C00 of size 256
2019-07-23 10:05:55.288558: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841D00 of size 256
2019-07-23 10:05:55.288669: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841E00 of size 256
2019-07-23 10:05:55.288780: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311841F00 of size 256
2019-07-23 10:05:55.288892: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311842000 of size 256
2019-07-23 10:05:55.289003: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311842100 of size 256
2019-07-23 10:05:55.289437: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311842200 of size 256
2019-07-23 10:05:55.289552: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311842300 of size 518400
2019-07-23 10:05:55.289668: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013118C0C00 of size 518400
2019-07-23 10:05:55.289785: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000131193F500 of size 648192
2019-07-23 10:05:55.289900: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013119DD900 of size 648192
2019-07-23 10:05:55.290016: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A7BD00 of size 3840
2019-07-23 10:05:55.290307: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A7CC00 of size 3840
2019-07-23 10:05:55.290490: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A7DB00 of size 3840
2019-07-23 10:05:55.290637: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A7EA00 of size 3840
2019-07-23 10:05:55.290749: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A7F900 of size 3840
2019-07-23 10:05:55.290862: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A80800 of size 3840
2019-07-23 10:05:55.290974: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A81700 of size 3840
2019-07-23 10:05:55.291087: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A82600 of size 3840
2019-07-23 10:05:55.291199: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A83500 of size 3840
2019-07-23 10:05:55.291311: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A84400 of size 3840
2019-07-23 10:05:55.291423: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A85300 of size 3840
2019-07-23 10:05:55.291535: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A86200 of size 3840
2019-07-23 10:05:55.291647: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A87100 of size 3840
2019-07-23 10:05:55.291760: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A88000 of size 3840
2019-07-23 10:05:55.291873: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A88F00 of size 3840
2019-07-23 10:05:55.291986: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A89E00 of size 3840
2019-07-23 10:05:55.292102: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8AD00 of size 3840
2019-07-23 10:05:55.292552: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8BC00 of size 3840
2019-07-23 10:05:55.292668: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8CB00 of size 256
2019-07-23 10:05:55.292780: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8CC00 of size 256
2019-07-23 10:05:55.292891: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8CD00 of size 256
2019-07-23 10:05:55.293002: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8CE00 of size 256
2019-07-23 10:05:55.293114: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8CF00 of size 256
2019-07-23 10:05:55.293226: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D000 of size 256
2019-07-23 10:05:55.293337: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D100 of size 256
2019-07-23 10:05:55.293448: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D200 of size 256
2019-07-23 10:05:55.293559: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D300 of size 256
2019-07-23 10:05:55.293671: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D400 of size 256
2019-07-23 10:05:55.293783: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D500 of size 256
2019-07-23 10:05:55.293895: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D600 of size 256
2019-07-23 10:05:55.294008: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D700 of size 256
2019-07-23 10:05:55.294500: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D800 of size 256
2019-07-23 10:05:55.294617: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8D900 of size 512
2019-07-23 10:05:55.294729: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311A8DB00 of size 512
2019-07-23 10:05:55.294840: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Free  at 0000001311A8DD00 of size 1387264
2019-07-23 10:05:55.294955: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311BE0800 of size 256
2019-07-23 10:05:55.295067: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311BE0900 of size 256
2019-07-23 10:05:55.295179: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311BE0A00 of size 3840
2019-07-23 10:05:55.295291: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311BE1900 of size 388864
2019-07-23 10:05:55.295404: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311C40800 of size 3840
2019-07-23 10:05:55.295517: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311C41700 of size 129792
2019-07-23 10:05:55.295630: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311C61200 of size 518400
2019-07-23 10:05:55.295745: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311CDFB00 of size 3840
2019-07-23 10:05:55.295858: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311CE0A00 of size 648192
2019-07-23 10:05:55.295973: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311D7EE00 of size 3840
2019-07-23 10:05:55.296089: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311D7FD00 of size 777728
2019-07-23 10:05:55.296611: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311E3DB00 of size 3840
2019-07-23 10:05:55.296791: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311E3EA00 of size 21760
2019-07-23 10:05:55.296976: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311E43F00 of size 256
2019-07-23 10:05:55.297165: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311E44000 of size 3840
2019-07-23 10:05:55.297352: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311E44F00 of size 259328
2019-07-23 10:05:55.297548: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311E84400 of size 256
2019-07-23 10:05:55.297702: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311E84500 of size 388864
2019-07-23 10:05:55.297901: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311EE3400 of size 3840
2019-07-23 10:05:55.298012: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311EE4300 of size 129792
2019-07-23 10:05:55.298127: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311F03E00 of size 518400
2019-07-23 10:05:55.298241: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311F82700 of size 3840
2019-07-23 10:05:55.298353: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001311F83600 of size 648192
2019-07-23 10:05:55.298467: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001312021A00 of size 3840
2019-07-23 10:05:55.298579: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001312022900 of size 777728
2019-07-23 10:05:55.298692: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013120E0700 of size 3840
2019-07-23 10:05:55.298805: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013120E1600 of size 21760
2019-07-23 10:05:55.298918: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013120E6B00 of size 256
2019-07-23 10:05:55.299030: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013120E6C00 of size 3840
2019-07-23 10:05:55.299442: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013120E7B00 of size 259328
2019-07-23 10:05:55.299648: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001312127000 of size 3840
2019-07-23 10:05:55.299818: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001312127F00 of size 256
2019-07-23 10:05:55.299996: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001312128000 of size 256
2019-07-23 10:05:55.300136: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Free  at 0000001312128100 of size 5548800
2019-07-23 10:05:55.300251: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001312672C00 of size 5548800
2019-07-23 10:05:55.300367: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 0000001312BBD700 of size 1245600000
2019-07-23 10:05:55.300484: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000135CFA3000 of size 1245600000
2019-07-23 10:05:55.300602: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013A7388900 of size 1239120128
2019-07-23 10:05:55.300720: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000013F1140200 of size 1235880192
2019-07-23 10:05:55.300838: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 000000143ABE0B00 of size 1232640000
2019-07-23 10:05:55.300956: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Free  at 000000148436A300 of size 1229400064
2019-07-23 10:05:55.301085: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Chunk at 00000014CD7DCB00 of size 1242360064
2019-07-23 10:05:55.301203: I tensorflow/core/common_runtime/bfc_allocator.cc:632] Free  at 00000015178AB400 of size 386780672
2019-07-23 10:05:55.301320: I tensorflow/core/common_runtime/bfc_allocator.cc:638]      Summary of in-use Chunks by size: 
2019-07-23 10:05:55.301437: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 66 Chunks of size 256 totalling 16.5KiB
2019-07-23 10:05:55.301553: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 2 Chunks of size 512 totalling 1.0KiB
2019-07-23 10:05:55.301668: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 1 Chunks of size 1280 totalling 1.3KiB
2019-07-23 10:05:55.301784: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 31 Chunks of size 3840 totalling 116.3KiB
2019-07-23 10:05:55.301906: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 6 Chunks of size 21760 totalling 127.5KiB
2019-07-23 10:05:55.302043: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 6 Chunks of size 129792 totalling 760.5KiB
2019-07-23 10:05:55.302637: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 6 Chunks of size 259328 totalling 1.48MiB
2019-07-23 10:05:55.302756: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 6 Chunks of size 388864 totalling 2.22MiB
2019-07-23 10:05:55.302872: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 6 Chunks of size 518400 totalling 2.97MiB
2019-07-23 10:05:55.302988: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 6 Chunks of size 648192 totalling 3.71MiB
2019-07-23 10:05:55.303104: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 6 Chunks of size 777728 totalling 4.45MiB
2019-07-23 10:05:55.303220: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 1 Chunks of size 5548800 totalling 5.29MiB
2019-07-23 10:05:55.303337: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 1 Chunks of size 1232640000 totalling 1.15GiB
2019-07-23 10:05:55.303455: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 1 Chunks of size 1235880192 totalling 1.15GiB
2019-07-23 10:05:55.303574: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 1 Chunks of size 1239120128 totalling 1.15GiB
2019-07-23 10:05:55.303693: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 1 Chunks of size 1242360064 totalling 1.16GiB
2019-07-23 10:05:55.303812: I tensorflow/core/common_runtime/bfc_allocator.cc:641] 2 Chunks of size 1245600000 totalling 2.32GiB
2019-07-23 10:05:55.303931: I tensorflow/core/common_runtime/bfc_allocator.cc:645] Sum Total of in-use chunks: 6.95GiB
2019-07-23 10:05:55.304046: I tensorflow/core/common_runtime/bfc_allocator.cc:647] Stats: 
Limit:                  9086468751
InUse:                  7463351808
MaxInUse:               8883318272
NumAllocs:                     214
MaxAllocSize:           1245600000
2019-07-23 10:05:55.304603: W tensorflow/core/common_runtime/bfc_allocator.cc:271] *********************************************************************_____________**************____
2019-07-23 10:05:55.304796: W tensorflow/core/framework/op_kernel.cc:1273] OP_REQUIRES failed at transpose_op.cc:199 : Resource exhausted: OOM when allocating tensor with shape[100,1,3451,900] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc
Traceback (most recent call last):

    exec(code_obj, self.user_global_ns, self.user_ns)
  File "", line 1, in

这是tensorflow 一个经常性错误，错误的原因在于：显卡内存不够。
解决方法就是降低显卡的使用内存，途径有以下几种措施:
1 减少Batch 的大小

2 分析错误的位置，在哪一层出现显卡不够，比如在全连接层出现的，则降低全连接层的维度，把2048改成1042啥的

3 增加pool 层，降低整个网络的维度。

4 修改输入大小

斤斤计较的婚姻到底有多难？白心之岂必有为
很多人私聊我会问到在哪个人群当中斤斤计较的人最多？我都会回答他，一般婚姻出现问题的斤斤计较的人士会非常多，以我多年经验，在婚姻落的一塌糊涂的人当中，斤斤计较的人数占比在20～30%以上，也就是说10个婚姻出现问题的斤斤计较的人有2-3个有多不减。在婚姻出问题当中，有大量的心理不平衡的、尖酸刻薄的怨妇。在婚姻中仅斤斤计较有两种类型：第一种是物质上的，另一种是精神上的。在物质与精神上抠门已经严重的影响
关于沟通这件事，项目经理不需要每次都面对面进行流程大师兄
很多项目经理都会遇到这样的问题，项目中由于事情太多，根本没有足够的时间去召开会议，那在这种情况下如何去有效地管理项目中的利益相关者？当然，不建议电子邮件也不需要开会的话，建议可以采取下面几种方式来形成有效的沟通，这几种方式可以帮助你努力的通过各种办法来保持和各方面的联系。项目经理首先要问自己几个问题，项目中哪些利益相关者是必须要进行沟通的？可以列出项目中所有的利益相关者清单，同时也整理出项目中哪些
2020-01-25 晴岚85
郑海燕坚持分享590天2020.1.24在生活中只存在两个问题。一个问题是：你知道想要达成的目标是什么，但却不知道如何才能达成；另一个问题是：你不知道你的目标是什么。前一个是行动的问题，后一个是结果的问题。通过制定具体的下一步行动，可以解决不知道如何开始行动的问题。而通过去想象结果，对结果做预估，可以解决找不着目标的问题。对于所有吸引我们注意力，想要完成的任务，你可以先想象一下，预期的结果究竟是什
小丽成长记（四十三）玲玲54321
小丽发现，即使她好不容易调整好自己的心态下一秒总会有不确定的伤脑筋的事出现，一个接一个的问题，人生就没有停下的时候，小问题不断出现。不过她今天看的书，她接受了人生就是不确定的，厉害的人就是不断创造确定性，在Ta的领域比别人多的确定性就能让自己脱颖而出，显示价值从而获得的比别人多的利益。正是这样的原因，因为从前修炼自己太少，使得她现在在人生道路上打怪起来困难重重，她似乎永远摆脱不了那种无力感，有种习
学点心理知识，呵护孩子健康静候花开_7090
昨天听了华中师范大学教育管理学系副教授张玲老师的《哪里才是学生心理健康的最后庇护所，超越教育与技术的思考》的讲座。今天又重新学习了一遍，收获匪浅。张玲博士也注意到了当今社会上的孩子由于心理问题导致的自残、自杀及伤害他人等恶性事件。她向我们普及了一个重要的命题，她说心理健康的一些基本命题，我们与我们通常的一些教育命题是不同的，她还举了几个例子，让我们明白我们原来以为的健康并非心理学上的健康。比如如果
Long类型前后端数据不一致 igotyback 前端
响应给前端的数据浏览器控制台中response中看到的Long类型的数据是正常的到前端数据不一致前后端数据类型不匹配是一个常见问题，尤其是当后端使用Java的Long类型（64位）与前端JavaScript的Number类型（最大安全整数为2^53-1，即16位）进行数据交互时，很容易出现精度丢失的问题。这是因为JavaScript中的Number类型无法安全地表示超过16位的整数。为了解决这个问
如何在 Fork 的 GitHub 项目中保留自己的修改并同步上游更新？github_fork_update iBaoxing github
如何在Fork的GitHub项目中保留自己的修改并同步上游更新？在GitHub上Fork了一个项目后，你可能会对项目进行一些修改，同时原作者也在不断更新。如果想要在保留自己修改的基础上，同步原作者的最新更新，很多人会不知所措。本文将详细讲解如何在不丢失自己改动的情况下，将上游仓库的更新合并到自己的仓库中。问题描述假设你在GitHub上Fork了一个项目，并基于该项目做了一些修改，随后你发现原作者对
本周第二次约练 2cfbdfe28a51
中原焦点团队中24初26刘霞2021.12.3约练161次，分享第368天当事人虽然是带着问题来的，但是咨询过程中发现，她是经过自己不断地调整和努力才走到现在的，看到当事人的不容易，找到例外，发现资源，力量感也就随之而来。增强画面感，或者说重温，会给当事人带来更深刻的感受。
怎么起诉借钱不还的人？怎样起诉欠款不还的人？影子爱学习
怎么起诉借钱不还的人？怎样起诉欠款不还的人？如果遇到难以解决的法律问题，我们可以匹配专业律师。例如：婚姻家庭（离婚纠纷）、刑事辩护、合同纠纷、债权债务、房产（继承）纠纷、交通事故、劳动争议、人身损害、公司相关法律事务（法律顾问）等咨询推荐手机/微信:15633770876【全国案件皆可】借钱不还起诉对方需要哪些资料起诉欠钱不还的，一般需要的材料包括以下这些：借据、收据、欠条、付款凭证等证据，以及向
2020.11.19 隆非凡
日精进，今日体验：在维修过程中遇到的问题，把源头找到，在进行下一步开始。不要停留在一个点上，合理调整心态，把当下事做好。
使用 FinalShell 进行远程连接（ssh 远程连接 Linux 服务器）编程经验分享开发工具服务器 ssh linux
目录前言基本使用教程新建远程连接连接主机自定义命令路由追踪前言后端开发，必然需要和服务器打交道，部署应用，排查问题，查看运行日志等等。一般服务器都是集中部署在机房中，也有一些直接是云服务器，总而言之，程序员不可能直接和服务器直接操作，一般都是通过ssh连接来登录服务器。刚接触远程连接时，使用的是XSHELL来远程连接服务器，连接上就能够操作远程服务器了，但是仅用XSHELL并没有上传下载文件的功能
18-115 一切思考不能有效转化为行动，都TM是扯淡！成长时间线
7月25号写了一篇关于为什么会断更如此严重的反思，然而，之后日更仅仅维持了一周，又出现了这次更严重的现象。从8月2号到昨天8月6号，5天！又是5天没有更文！虽然这次断更时间和上次一样，那为什么说这次更严重？因为上次之后就分析了问题的原因，以及应该如何解决，按理说应该会好转，然而，没过几天严重断更的现象再次出现，想想，经过反思，问题依然没有解决与改变，这让我有些担忧。到底是哪里出了问题，难道我就真的
山东大学小树林支教调研团青青仓木队——翟晓楠山东大学青青仓木队
过了半年，又一次启程，又一次回到支教的初心之地。比起上一次的试探与不安，我更多了一丝稳重与熟练。心境、处境也都随着半个学期的过去而变得不同，半个学期中，身体上的，心理上的，太多的逆境让我变得步履维艰，曲曲折折，弯弯绕绕，我仿佛打不起精神，没有胃口，没有动力。感觉走的不顺畅的时候，支教这个旅程，给了我力量。自告奋勇承担起队长这一职务的我，从组织时的复杂和困难的经历，协调各种问题，从无到有，和校长和队
【夜读】提升生活品质的8个建议茳淮秀水
停止攀比很多人之所以感觉疲惫，部分原因是来自于跟别人攀比。殊不知，攀比得到的满足只是片刻的，过后往往会感到空虚。过分在意别人的评价，丢失的是自己原有的审美，扰乱的是自己最初的节奏。不妨活得洒脱些，自己内心丰盈了，快乐就能更持久。停止自责想改变自己，先从接纳自己开始。越是过分自责，就越难改变现状，因为如果把精力全耗在自责上，就没有精力用来改变了。遇到问题，我们要用正确的心态去面对。与其一味自责，不如
蘩漪：新女性？利己主义者赮_红雨
蘩漪是曹禺《雷雨》笔下的女性形象。对于她的喜爱，曹禺在之前的访谈中，就已经表达得很清楚了，蘩漪是他所倾心的女子的“代替者”。在这个女性身上有着曹禺最精心的描写，但同时她的身上又存在着一些时代的问题。图片发自App首先，繁漪是追求自由和幸福的新女性形象。她是精神悲剧的核心人物，她对周朴园的反抗，具有典型意义。她是位资产阶级家庭出身的小姐，受过五四新思潮的影响，她任性、傲慢，追求人格独立、个性自由和爱
如果做到轻松在股市赚钱？只要坚持这三个原则。履霜之人
大A股里向来就有七亏二平一赚的说法，能赚钱的都是少数人。否则股市就成了慈善机构，人人都有钱赚，谁还要上班？所以说亏钱是正常的，或者说是应该的。那么那些赚钱的人又是如何做到的呢？普通人能不能找到捷径去分一杯羹呢？方法是有的，但要做到需要你有极高的自律。第一，控制仓位，散户最大的问题是追涨杀跌，只要涨起来，就把钱往股票上砸，然后被套，隔天跌的受不了，又一刀切，全部割肉。来来回回间，遍体鳞伤。所以散户首
利用LangChain的StackExchange组件实现智能问答系统 nseejrukjhad langchain microsoft 数据库 python
利用LangChain的StackExchange组件实现智能问答系统引言在当今的软件开发世界中，StackOverflow已经成为程序员解决问题的首选平台之一。而LangChain作为一个强大的AI应用开发框架，提供了StackExchange组件，使我们能够轻松地将StackOverflow的海量知识库集成到我们的应用中。本文将详细介绍如何使用LangChain的StackExchange组件
想明白这个问题，你才能写下去文自拾
春节放假的时候，又有一天梦见她，第二天她冒着漫天大雪，傻傻地跑来见我。她说，见见傻傻的我，天很冷，心很暖。她回去后，我写了一篇文章，题目叫——从此梦中只有你。我们没在一起的很长一段时间里，她都在我的心底，一次次出现在我的梦里。我对她说，在一起之前，是胆小且闷骚，在一起之后，我变得不要脸了。不要脸的——去爱你。那文章没写完，火车上，给她看了。我有点小失望，花了好几个小时写，她分分钟就看完，很希望她逐
数组去重好奇的猫猫猫
整理自js中基础数据结构数组去重问题思考？如何去除数组中重复的项例如数组：[1,3,4,3,5]我们在做去重的时候，一开始想到的肯定是，逐个比较，外面一层循环，内层后一个与前一个一比较，如果是久不将当前这一项放进新的数组，挨个比较完之后返回一个新的去过重复的数组不好的实践方式上述方法效率极低，代码量还多，思考？有没有更好的方法这时候不禁一想当然有了！！！hashtable啊，通过对象的hash办法
把握“三度”打造“三有”干部队伍辛德瑞拉卡卡卡
“胜败兴亡之分，不得不归咎于人事也”。干部队伍建设工作的好坏，关系到党和国家的发展全局。近日，新疆维吾尔自治区党委书记马兴瑞在部分党群单位走访调研时强调，要努力培养造就忠诚干净担当的高素质专业化干部队伍。各级组织部门应当在培养选拔干部、吸收优秀青年到党内来、培养造就优秀人才上下功夫，切实增强干部投身实践、解决问题、推进工作的能力，着力打造高素质专业化干部队伍。“天生我材必有用”，增强选育有“准度”
Kafka 消息丢失如何处理？架构文摘JGWZ 学习
今天给大家分享一个在面试中经常遇到的问题：Kafka消息丢失该如何处理？这个问题啊，看似简单，其实里面藏着很多“套路”。来，咱们先讲一个面试的“真实”案例。面试官问：“Kafka消息丢失如何处理？”小明一听，反问：“你是怎么发现消息丢失了？”面试官顿时一愣，沉默了片刻后，可能有点不耐烦，说道：“这个你不用管，反正现在发现消息丢失了，你就说如何处理。”小明一头雾水：“问题是都不知道怎么丢的，处理起来
libyuv之linux编译 jaronho Linux linux 运维服务器
文章目录一、下载源码二、编译源码三、注意事项1、银河麒麟系统（aarch64）（1）解决armv8-a+dotprod+i8mm指令集支持问题（2）解决armv9-a+sve2指令集支持问题一、下载源码到GitHub网站下载https://github.com/lemenkov/libyuv源码，或者用直接用git克隆到本地，如：gitclonehttps://github.com/lemenko
走向以教育叙事为载体的教育叙事研究 666小飞鱼
今天我读了吴松超老师的《给教师的68条建写作建议》中的第23条《如何通过教育叙事走向研究》，吴老师在文中与我们分享了一个德育案例，这是一个反面的案例，意在告知我们在处理问题时，不能就考虑的点太窄，思考要全面。走向教育叙事研究，教师要有敏锐的“感知力”，这个感知力来自于背后专业知识的支撑，思维能力以及广阔的视野和见识等。所以对于同一件事处理方法不同，这个就是教师背后“敏锐力”的不同造成的，也就是说是
2023-10-22 奥雷里亚诺第n
昨天在B站看到关于猫喜欢挠人的视频，视频教导说猫挠人的话就抓住它的后脖颈然后用手打打挠人的那个爪子。视频本身没什么，但评论区却炸开了锅（真是符合挑食者厌食心理）。令我印象最深刻的一个甚至上升到了关于我是谁这种终极问题。它说，猫就是畜生，它挠人就打它别惯着它，反正我六道轮回成了人就应该保持人的高贵，谁都别想来打破。我顿时汗颜，但看到下面全是类似的言论只不过后面的理由各有不同，本来想骂人的心都凉了一半
梁文道《尽头:怎样是好的阅读和书写》片段白夜书摘
1、写小说的人，有时会强烈地感到一种现实的召唤，想去面对和回应现实。这时他们会觉得自己正站在时代中心，就像黑格尔说的，要把时代精神掌握在自己的小说（不是哲学）里面。但是这也很危险，当一个作家像一个时代那样书写，可能就会出现问题了。2、文字是远比语言大块而且湿冷的木头，又距离我们内心的火花稍远，不容易瞬间点燃起来，这处隙缝，给了我们回身的余地，可以再多看一下想一下设身处地一下；人类过往这最后五千年，
人怎么才能认识自己？阿尚青子自由写作人
人怎么才能认识自己？（原问题）我从不愿意上纲上线地确定偌大的话题，就直接说吧。纵使你能认识世界上的万事万物，你很难做到真实地认识自己。因为即使就这个世界，基本上每个人也很难做到客观、公正、科学地认识。对你好的人就是好吗？一件事情是否能够保持永远原来的样子？借不到钱的男友，女友想离开他就理直气壮？父母对子女有几分慷慨，又有几分是无私？工作的意义究竟是什么？是工作需要你，还是你需要工作呢？诸如此类的问
嘿，谢谢你小小玛拉沁
突然想对一个女孩子说，谢谢你！很久很久以前，总是觉得和你不会有太多交集，充其量也只是普通的舍友吧，毕竟有很多习惯，性格等方面相差甚远。其实特别感谢2017这一段经历和我遇见的人，只会慢吞吞的过自己生活的安小蜗是不会主动去结交朋友的，所以她来到了我的世界，让我在不知不觉中发现了自己太多太多的问题，而我正在逐渐去改变这些的习惯，成为更好的自己！我总是超级佩服她不管什么时候精力都超级旺盛，可以在上了一天
数据仓库——维度表一致性墨染丶eye 背诵数据仓库
数据仓库基础笔记思维导图已经整理完毕，完整连接为：数据仓库基础知识笔记思维导图维度一致性问题从逻辑层面来看，当一系列星型模型共享一组公共维度时，所涉及的维度称为一致性维度。当维度表存在不一致时，短期的成功难以弥补长期的错误。维度时确保不同过程中信息集成起来实现横向钻取货活动的关键。造成横向钻取失败的原因维度结构的差别，因为维度的差别，分析工作涉及的领域从简单到复杂，但是都是通过复杂的报表来弥补设计
Low Power概念介绍-Voltage Area 飞奔的大虎
随着智能手机，以及物联网的普及，芯片功耗的问题最近几年得到了越来越多的重视。为了实现集成电路的低功耗设计目标，我们需要在系统设计阶段就采用低功耗设计的方案。而且，随着设计流程的逐步推进，到了芯片后端设计阶段，降低芯片功耗的方法已经很少了，节省的功耗百分比也不断下降。芯片的功耗主要由静态功耗（staticleakagepower）和动态功耗(dynamicpower)构成。静态功耗主要是指电路处于等
主题升华随机抽总结木棉咕噜
昨天晚上在火山灿教练那里抽了主题升华最后一关。一共抽了两个故事，现总结如下。第一个故事是《并不是你想象的那样》。主题一：有时候，面对别人一些貌似不合常情的行为，不要轻易的指责他，也许背后有我们所不知道的原因。在这一个主题里面，刚开始的时候，我没有加上貌似二字。所以就没有改动之后这么精准。主题二：有时候我们对他人善意的行为，可能会给我们带来一些意外的回报。主题三：面对同样一件事，因为不同的人看待问题
312个免费高速HTTP代理IP（能隐藏自己真实IP地址） yangshangchuan 高速免费 superword HTTP代理
124.88.67.20:843 190.36.223.93:8080 117.147.221.38:8123 122.228.92.103:3128 183.247.211.159:8123 124.88.67.35:81 112.18.51.167:8123 218.28.96.39:3128 49.94.160.198:3128 183.20
pull解析和json编码百合不是茶 android pull解析 json
n.json文件: [{name:java,lan:c++,age:17},{name:android,lan:java,age:8}] pull.xml文件 <?xml version="1.0" encoding="utf-8"?> <stu> <name>java
[能源与矿产]石油与地球生态系统 comsci 能源
按照苏联的科学界的说法,石油并非是远古的生物残骸的演变产物,而是一种可以由某些特殊地质结构和物理条件生产出来的东西,也就是说,石油是可以自增长的.... 那么我们做一个猜想: 石油好像是地球的体液,我们地球具有自动产生石油的某种机制,只要我们不过量开采石油,并保护好
类与对象浅谈沐刃青蛟 java 基础
类，字面理解，便是同一种事物的总称，比如人类，是对世界上所有人的一个总称。而对象，便是类的具体化，实例化，是一个具体事物，比如张飞这个人，就是人类的一个对象。但要注意的是：张飞这个人是对象，而不是张飞，张飞只是他这个人的名字，是他的属性而已。而一个类中包含了属性和方法这两兄弟，他们分别用来描述对象的行为和性质（感觉应该是
新站开始被收录后，我们应该做什么？ IT独行者 PHP seo
新站开始被收录后，我们应该做什么？百度终于开始收录自己的网站了，作为站长，你是不是觉得那一刻很有成就感呢，同时，你是不是又很茫然，不知道下一步该做什么了？至少我当初就是这样，在这里和大家一份分享一下新站收录后，我们要做哪些工作。至于如何让百度快速收录自己的网站，可以参考我之前的帖子《新站让百
oracle 连接碰到的问题文强chu oracle
Unable to find a java Virtual Machine－－安装64位版Oracle11gR2后无法启动SQLDeveloper的解决方案作者：草根IT网来源：未知人气：813标签：导读：安装64位版Oracle11gR2后发现启动SQLDeveloper时弹出配置java.exe的路径，找到Oracle自带java.exe后产生的路径“C:\app\用户名\prod
Swing中按ctrl键同时移动鼠标拖动组件（类中多借口共享同一数据）小桔子 java 继承 swing 接口监听
都知道java中类只能单继承，但可以实现多个接口，但我发现实现多个接口之后，多个接口却不能共享同一个数据，应用开发中想实现：当用户按着ctrl键时，可以用鼠标点击拖动组件，比如说文本框。编写一个监听实现KeyListener,NouseListener,MouseMotionListener三个接口，重写方法。定义一个全局变量boolea
linux常用的命令 aichenglong linux 常用命令
1 startx切换到图形化界面 2 man命令:查看帮助信息 man 需要查看的命令,man命令提供了大量的帮助信息,一般可以分成4个部分 name:对命令的简单说明 synopsis:命令的使用格式说明 description:命令的详细说明信息 options:命令的各项说明 3 date:显示时间语法：date [OPTION]... [+FORMAT]
eclipse内存优化 AILIKES java eclipse jvm jdk
一基本说明在JVM中，总体上分2块内存区,默认空余堆内存小于 40%时，JVM就会增大堆直到-Xmx的最大限制；空余堆内存大于70%时，JVM会减少堆直到-Xms的最小限制。 1)堆内存(Heap memory):堆是运行时数据区域，所有类实例和数组的内存均从此处分配,是Java代码可及的内存，是留给开发人
关键字的使用探讨百合不是茶关键字
//关键字的使用探讨/*访问关键词private 只能在本类中访问public 只能在本工程中访问protected 只能在包中和子类中访问默认的只能在包中访问*//*final 类方法变量 final 类不能被继承 final 方法不能被子类覆盖，但可以继承 final 变量只能有一次赋值，赋值后不能改变 final 不能用来修饰构造方法*///this()
JS中定义对象的几种方式 bijian1013 js
1. 基于已有对象扩充其对象和方法(只适合于临时的生成一个对象)： <html> <head> <title>基于已有对象扩充其对象和方法(只适合于临时的生成一个对象)</title> </head> <script> var obj = new Object();
表驱动法实例 bijian1013 java 表驱动法 TDD
获得月的天数是典型的直接访问驱动表方式的实例，下面我们来展示一下： MonthDaysTest.java package com.study.test; import org.junit.Assert; import org.junit.Test; import com.study.MonthDays; public class MonthDaysTest { @T
LInux启停重启常用服务器的脚本 bit1129 linux
启动，停止和重启常用服务器的Bash脚本，对于每个服务器，需要根据实际的安装路径做相应的修改 #! /bin/bash Servers=(Apache2, Nginx, Resin, Tomcat, Couchbase, SVN, ActiveMQ, Mongo); Ops=(Start, Stop, Restart); currentDir=$(pwd); echo
【HBase六】REST操作HBase bit1129 hbase
HBase提供了REST风格的服务方便查看HBase集群的信息，以及执行增删改查操作 1. 启动和停止HBase REST 服务 1.1 启动REST服务前台启动（默认端口号8080） [hadoop@hadoop bin]$ ./hbase rest start 后台启动 hbase-daemon.sh start rest 启动时指定
大话zabbix 3.0设计假设 ronin47
What’s new in Zabbix 2.0? 去年开始使用Zabbix的时候，是1.8.X的版本，今年Zabbix已经跨入了2.0的时代。看了2.0的release notes，和performance相关的有下面几个： :: Performance improvements::Trigger related da
http错误码大全 byalias http协议 javaweb
响应码由三位十进制数字组成，它们出现在由HTTP服务器发送的响应的第一行。响应码分五种类型，由它们的第一位数字表示： 1）1xx：信息，请求收到，继续处理 2）2xx：成功，行为被成功地接受、理解和采纳 3）3xx：重定向，为了完成请求，必须进一步执行的动作 4）4xx：客户端错误，请求包含语法错误或者请求无法实现 5）5xx：服务器错误，服务器不能实现一种明显无效的请求
J2EE设计模式-Intercepting Filter bylijinnan java 设计模式数据结构
Intercepting Filter类似于职责链模式有两种实现其中一种是Filter之间没有联系，全部Filter都存放在FilterChain中，由FilterChain来有序或无序地把把所有Filter调用一遍。没有用到链表这种数据结构。示例如下： package com.ljn.filter.custom; import java.util.ArrayList;
修改jboss端口 chicony jboss
修改jboss端口 %JBOSS_HOME%\server\{服务实例名}\conf\bindingservice.beans\META-INF\bindings-jboss-beans.xml 中找到 <!-- The ports-default bindings are obtained by taking the base bindin
c++ 用类模版实现数组类 CrazyMizzz C++
最近c++学到数组类，写了代码将他实现，基本具有vector类的功能 #include<iostream> #include<string> #include<cassert> using namespace std; template<class T> class Array { public: //构造函数
hadoop dfs.datanode.du.reserved 预留空间配置方法 daizj hadoop 预留空间
对于datanode配置预留空间的方法为：在hdfs-site.xml添加如下配置 <property> <name>dfs.datanode.du.reserved</name> <value>10737418240</value>
mysql远程访问的设置 dcj3sjt126com mysql 防火墙
第一步: 激活网络设置你需要编辑mysql配置文件my.cnf. 通常状况，my.cnf放置于在以下目录： /etc/mysql/my.cnf (Debian linux) /etc/my.cnf （Red Hat Linux/Fedora Linux) /var/db/mysql/my.cnf (FreeBSD) 然后用vi编辑my.cnf，修改内容从以下行： [mysqld] 你所需要: 1
ios 使用特定的popToViewController返回到相应的Controller dcj3sjt126com controller
1、取navigationCtroller中的Controllers NSArray * ctrlArray = self.navigationController.viewControllers; 2、取出后，执行， [self.navigationController popToViewController:[ctrlArray objectAtIndex:0] animated:YES
Linux正则表达式和通配符的区别 eksliang 正则表达式通配符和正则表达式的区别通配符
转载请出自出处：http://eksliang.iteye.com/blog/1976579 首先得明白二者是截然不同的通配符只能用在shell命令中,用来处理字符串的的匹配。判断一个命令是否为bash shell(linux 默认的shell)的内置命令 type -t commad 返回结果含义 file 表示为外部命令 alias 表示该
Ubuntu Mysql Install and CONF gengzg Install
http://www.navicat.com.cn/download/navicat-for-mysql Step1: 下载Navicat ，网址：http://www.navicat.com/en/download/download.html Step2：进入下载目录，解压压缩包：tar -zxvf navicat11_mysql_en.tar.gz
批处理，删除文件bat huqiji windows dos
@echo off ::演示：删除指定路径下指定天数之前（以文件名中包含的日期字符串为准）的文件。 ::如果演示结果无误，把del前面的echo去掉，即可实现真正删除。 ::本例假设文件名中包含的日期字符串（比如：bak-2009-12-25.log） rem 指定待删除文件的存放路径 set SrcDir=C:/Test/BatHome rem 指定天数 set DaysAgo=1
跨浏览器兼容的HTML5视频音频播放器天梯梦 html5
HTML5的video和audio标签是用来在网页中加入视频和音频的标签，在支持html5的浏览器中不需要预先加载Adobe Flash浏览器插件就能轻松快速的播放视频和音频文件。而html5media.js可以在不支持html5的浏览器上使video和audio标签生效。 How to enable <video> and <audio> tags in
Bundle自定义数据传递 hm4123660 android Serializable 自定义数据传递 Bundle Parcelable
我们都知道Bundle可能过put****()方法添加各种基本类型的数据，Intent也可以通过putExtras(Bundle)将数据添加进去，然后通过startActivity()跳到下一下Activity的时候就把数据也传到下一个Activity了。如传递一个字符串到下一个Activity 把数据放到Intent
C＃：异步编程和线程的使用（.NET 4.5 ） powertoolsteam .net 线程 C#异步编程
异步编程和线程处理是并发或并行编程非常重要的功能特征。为了实现异步编程，可使用线程也可以不用。将异步与线程同时讲，将有助于我们更好的理解它们的特征。本文中涉及关键知识点 1. 异步编程 2. 线程的使用 3. 基于任务的异步模式 4. 并行编程 5. 总结异步编程什么是异步操作？异步操作是指某些操作能够独立运行，不依赖主流程或主其他处理流程。通常情况下，C＃程序
spark 查看 job history 日志 Stark_Summer 日志 spark history job
SPARK_HOME/conf 下: spark-defaults.conf 增加如下内容 spark.eventLog.enabled true spark.eventLog.dir hdfs://master:8020/var/log/spark spark.eventLog.compress true spark-env.sh 增加如下内容 export SP
SSH框架搭建 wangxiukai2015eye spring Hibernate struts
MyEclipse搭建SSH框架 Struts Spring Hibernate 1、new一个web project。 2、右键项目，为项目添加Struts支持。选择Struts2 Core Libraries -<MyEclipes-Library> 点击Finish。src目录下多了struts

错误：W tensorflow/core/framework/op_kernel.cc:1273] OP_REQUIRES failed at transpose_op.cc:199

你可能感兴趣的:(keras,问题)