json.loads(json, strict=False)#關掉strict即可
Json的嚴格寫法應該是： {"title": "\u6587\u7ae0\u6807\u9898\n\u6362\u884c"}
但是有的時候由于不嚴格： {"你在哪呢": "kiral"}
load時會造成錯誤： JSONDecodeError: invalid control character
解決方案： json.loads(json, strict=False)#關掉strict即可
最近在做一些視頻分類的任務，按照論文中的模型結果去做實驗，感覺有些技術上的小進步，心里是安穩些的。
在代碼上還是要繼續改進，寫出更flexible的代碼，就像收拾屋子，亂了就隨時收拾，一直保持整潔，不要積累到最后才搞大掃除，嗯嗯，繼續加油，穩?。?
可能的原因1：安裝的不是對應python版本的庫，下載的庫名中cp27代表python2.7,其它同理。 可能的原因2：這個是我遇到的情況（下載的是對應版本的庫，然后仍然提示不支持當前平臺） 我下載到的numpy庫文件名： 使用pip安裝(在命令行中): 報錯：*** is not a supported wheel on this platform，通過在stackoverflow上的一個帖子成功解決問題。 方法：在shell中輸入import pip; print(pip.pep425tags.get_supported())可以獲取到pip支持的文件名還有版本，我這里如下： >>import pip; print(pip.pep425tags.get_supported())
[('cp27', 'none', 'win32'), ('py2', 'none', 'win32'), ('cp27', 'none', 'any'), ('cp2', 'none', 'any'), ('cp26', 'none', 'any'), ('cp25', 'none', 'any'), ('cp24', 'none', 'any'), ('cp23', 'none', 'any'), ('cp22', 'none', 'any'), ('cp21', 'none', 'any'), ('cp20', 'none', 'any'), ('py27', 'none', 'any'), ('py2', 'none', 'any'), ('py26', 'none', 'any'), ('py25', 'none', 'any'), ('py24', 'none', 'any'), ('py23', 'none', 'any'), ('py22', 'none', 'any'), ('py21', 'none', 'any'), ('py20', 'none', 'any')] 通過這里可以發現上面下載的文件名格式是不支持的，修改為：numpy-1.10.4+mkl-cp27-none-win32.whl即可成功安裝。 其它的庫也同理可以成功安裝，不過也請注意庫的依賴。
?。▍⒖继泳W址：http://stackoverflow.com/questions/28107123/cannot-install-numpy-from-wheel-format?rq=1） ?。╬ython庫下載地址(庫很豐富，下載速度也很快)：http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy）
1、python里import tensorflow時報 “ImportError: /lib64/libc.so.6: version `GLIBC_2.17' not found (required by /usr/local/lib/python2.7/site-packages/tensorflow/python/_pywrap_tensorflow.so)”
glibc 升級 GLIBC 升級 安裝包，自己編譯 由于centos6.5以下版本glibc最高為2.12，如果想要升級，必須自己下載源碼，編譯升級，但是從官網上下載的安裝包，需要一些其他的關聯包，安裝麻煩，且不利于其他機器的部署。 rpm安裝 從網上下載glibc-2.15.rpm，以及其他相關的glib安裝包， glibc-common-2.15-60.el6.x86_64.rpm glibc-devel-2.15-60.el6.x86_64.rpm glibc-2.15-60.el6.x86_64.rpm glibc-headers-2.17-60.el6.x86_64.rpm 這個包能找到就下，找不到就不用安裝了。 [下載好放到了nb01-sys-gpu-kongming13.nb01.baidu.com:/root/softwares/glibc217.tar]
nscd-2.12-1.192.el6.x86_64.rpm 在使用rpm安裝時，需要忽略包的關聯性，否則無法正常安裝。 rpm -Uvh --nodeps *2.17-55.el6.x86_64.rpm --force 安裝好后，ldconfig 檢查ll /lib64/libc.* 此時可以看到glibc.so.6 已經指向了2.17.so 注意 在安裝glibc時，一定注意備份，因為一旦出錯，整個系統就會掛掉。
libstdc++.so.6 ImportError: /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.19' not found Kongming 機器： export LD_PRELOAD=/home/opt/gcc-4.8.2.bpkg-r2/gcc-4.8.2.bpkg-r2/lib64/libstdc++.so.6
2. python里import tensorflow時報 “ImportError: /usr/local/python27/lib/python2.7/site-packages/tensorflow/python/_pywrap_tensorflow_internal.so: undefined symbol: PyUnicodeUCS4_FromString” 如果自己單獨升級了python,或者有多個版本的python時,便有可能出現此問題. 問題表象為:報錯:undefined symbol: PyUnicodeUCS2_AsUTF8String或者undefined symbol: PyUnicodeUCS4_AsUTF8String. 根本原因時python和某個你用的庫編譯時指定的UCS編碼方式不對. 編譯python時,可以通過指定--enable-unicode[=ucs[24]]來選擇使用UCS2或者UCS4. 如果你的錯誤是undefined symbol: PyUnicodeUCS2_AsUTF8String,說明你的python編譯時使用的是UCS4,反之依然. 解決方案兩個:1,重新編譯python,2,重新編譯庫. 選擇一般是重新編譯庫. 我這重新編譯python,因為報錯是PyUnicodeUCS4_FromString，說明tensorflow是用UCS4編譯的，而python是UCS2編譯的: 重新編譯時設置unicode為ucs4 ./configure --prefix=/usr/local/python27 --enable-unicode=ucs4 python2.7.11默認是使用UCS2.
3. ImportError: No module named Tkinter https://www.douban.com/note/524197380/
在linux安裝了多版本python時（例如python2.6和2.7），pip安裝的包不一定是用戶想要的位置，此時可以用 -t 選項來指定位置. 例如目標位置是/usr/local/lib/python2.7/site-packages/ ，要安裝xlrd 這個包，則： $ pip install -t /usr/local/lib/python2.7/site-packages/ xlrd
權限不夠則在命令前加sudo
最近寫的python腳本，在用print輸出的時候，都有一個很討厭的問題，就是print的輸出被延遲了。
根源是python默認啟用了stdout緩沖，解決的辦法有兩種：
一種辦法是每次print后，都調用stdout flush()，把緩沖區打印出來，這個辦法比較麻煩，要重載stdout，不推薦。
最簡單的方法是用命令行參數-u啟動python，禁用stdout緩沖
比如腳本是build-native.py，運行 python -u build-native.py就不會出現print延遲問題了
問題：在make pycaffe時，可能會出現： error: make: ***No rule to make target 'include/layers/python_layer.hpp, needed by 'python/caffe/_caffe.so'. Stop. 這是由于caffe的版本不同導致的。 解決方法： 在 include/caffe/layers/文件夾中的python_layer.hpp復制到include/caffe/文件夾下 再次make pycaffe，編譯成功
在其他地方打開python，使之可以import caffe: 添加環境變量: cd ~ vim /.bashrc 將export PYTHONPATH=/home/nielsen/caffe-master/python:$PYTHONPATH添加到文件中 source ~/.bashrc 使之生效
Liunx 運行用 Intel MKL 庫文件的程序出錯 “error while loading shared libraries libmkl_intel.so” 解決辦法2012-06-05 18:19 本站整理 瀏覽(9) 編譯例子： gcc -o foo foo.c -I/opt/intel/mkl/10.1.0.015/include -L/opt/intel/mkl/10.1.0.015/lib/32 -lmkl_intel ... <other MKL libs> 錯誤提示： ./foo: error while loading shared libraries libmkl_intel.so: cannot open shared object file No such file or directory 解決辦法：在Liunx 環境變量中加入Intel MKL 庫文件路徑 Intel 官網詳解： Before using the Intel® MKL shared libraries, update the system variable LD_LIBRARY_PATH to include the libraries location. For example, if the Intel MKL libraries are in the /opt/intel/mkl/10.1.0.015/lib/32 directory then the following command line can be used (assuming a bash shell): export LD_LIBRARY_PATH=/opt/intel/mkl/lib/ia32:$LD_LIBRARY_PATH
1. 修改 C:\wamp\bin\apache\Apache2.2.17\conf \httpd.conf（實現更改默認網站路徑,即將DocumentRoot和Directory定向到自己的默認目錄：E:/phproot/）
2. 重啟所有服務
假定矩形是用一對點表達的(minx, miny) (maxx, maxy)，那么兩個矩形 rect1{(minx1, miny1)(maxx1, maxy1)} rect2{(minx2, miny2)(maxx2, maxy2)} 相交的結果一定是個矩形，構成這個相交矩形rect{(minx, miny) (maxx, maxy)}的點對坐標是： minx = max(minx1, minx2) miny = max(miny1, miny2) maxx = min(maxx1, maxx2) maxy = min(maxy1, maxy2) 如果兩個矩形不相交，那么計算得到的點對坐標必然滿足： （ minx > maxx ） 或者 （ miny > maxy ） 判定是否相交，以及相交矩形是什么都可以用這個方法一體計算完成。 從這個算法的結果上，我們還可以簡單的生成出下面的兩個內容： ㈠ 相交矩形： (minx, miny) (maxx, maxy) ㈡ 面積： 面積的計算可以和判定一起進行 if ( minx>maxx ) return 0; if ( miny>maxy ) return 0; return (maxx-minx)*(maxy-miny)
|