我正在执行以下操作：
B ViewController npm audit fix npm audit fix --force内部的张量时，它将返回'None'类型的对象。但是，内存映射列表的长度在nn.append(tf.layers.dense(...))内部是正确的。我在下面附上了示例代码。
nnList[i] = nn上面的代码给出了这个输出。请注意数组的长度以及张量如何变成joblib.parallel。
joblib.parallel如何访问 import os
import tempfile
import numpy as np
import tensorflow as tf
from joblib import Parallel, delayed, load, dump
tmpFolder = tempfile.mkdtemp()
__nnFile = os.path.join(tmpFolder, 'nn.mmap')
nnList = np.memmap(__nnFile, dtype=object, mode='w+', shape=(5))
def main():
for i in range(5):
nn = []
input = tf.placeholder(dtype=tf.float32, shape=(1, 8))
nn.append(tf.layers.dense(inputs=input, units=8, activation=tf.sigmoid,
trainable=False))
nn.append(tf.layers.dense(inputs=nn[0], units=2, activation=tf.sigmoid,
trainable=False))
nnList[i] = nn
print('nnList: ' + str(len(nnList)))
for i in range(5):
nn = nnList[i]
print(nn)
print(nn[-1])
print('--------------------------- ' + str(i))
with Parallel(n_jobs = -1) as parallel:
parallel(delayed(func1)(i) for i in range(5))
def func1(i):
print('nnList: ' + str(len(nnList)))
for x in range(5):
nn = nnList[x]
print(nn)
print('--------------------------- ' + str(x))
if __name__ == '__main__':
main()
内部的张量？请帮忙。
答案 0 :(得分：0)
当时发现了问题。希望它对以后的人有所帮助。
None问题与张量无关。我使用错误的joblib.Parallel函数。
应该将变量传递给delayed以便派生进程可以访问（我怎么在文档中忽略了它！）。正确的方法：
with Parallel(n_jobs = -1) as parallel:
parallel(delayed(func1)(i, WHATEVER_VARIABLE_I_WANT) for i in range(5))