Question

H道歉，

这将是一个令人难以置信的初学者问题 - 我一直试图在今天下午自己解决这个问题。我今天才第一次开始在js编码。

我正在尝试创建一个监控Mixer的星座服务器的脚本，在流上线时收到响应。（我有点工作正常，当流媒体上线时它发送一条真实的消息，当流媒体离线时我得到了假。）

    const Carina = require('carina').Carina;
    const ws = require('ws');

    Carina.WebSocket = ws;

    const channelId = xxxxxx;
    const ca = new Carina({ isBot: true }).open();
    ca.subscribe(`channel:${channelId}:update`, data => {
    console.log(data.online);
    });

然后我希望它触发POST查询以使用IFTTT的制作者脚本部分来触发那里的事件（例如当我最喜欢的流光线上线时闪光我的灯） - 我也有这个脚本工作正常！

    var request = require("request");

    request({
    uri: 
"https://maker.ifttt.com/trigger/streaming/with/key/xxxxxxxxxxxxxxxxxx",
    method: "POST",
    }, function(error, response, body) {
    console.log(body);
    });

我遇到的问题是，我对js知之甚少，因为必须将2合并在一起，这样当我收到一个真正的＆＃39;来自Mixer星座服务器的响应，它运行脚本的第二部分。

我希望你对我缺乏知识感到轻松，感谢你的帮助。

Answer 1

我认为你必须在另一个函数的回调中使用一个函数，如下所示：

# Visualize training history
from keras.models import Sequential
from keras.layers import Dense
import matplotlib.pyplot as plt
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# create model
model = Sequential()
model.add(Dense(12, input_dim=8, kernel_initializer='uniform', activation='relu'))
model.add(Dense(8, kernel_initializer='uniform', activation='relu'))
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
history = model.fit(X, Y, validation_split=0.33, epochs=150, batch_size=10, verbose=0)
# list all data in history
print(history.history.keys())
# summarize history for accuracy
plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('model accuracy')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['train', 'test'], loc='upper left')
plt.show()
# summarize history for loss
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'test'], loc='upper left')
plt.show()

node js脚本作用于星座响应

1 个答案: