Question

预先感谢您提供有关此问题的帮助。

我目前正在进行一项分析，我们在研究昆虫组之间的成对差异。但是我遇到了一个令人沮丧的问题，如果没有几百行代码，我似乎无法解决。

例如，我们有成对比较作为字符，它们是使用NSApplication由两列sendEvent(_:)和group1构成的，但这会产生镜像组，即group2和{ {1}}。

有人知道解决方案，因此我们可以同时使用这两个paste吗？或更确切地说，还有一个不同的功能来组成我们的成对分组。

这是一个简单的例子...

A_B

B_A

但无论哪个组（1或2），我都希望bee_beetle

我们需要归一化大约400个奇数分组。

再次感谢

利亚姆

Answer 1

您提供的信息很少，但是如果您要确保beetle_bee是bee_beetle，则可以在将字符串用下划线分隔并重新组装之后，尝试按字母顺序排序。

"beetle_bee"

strsplit将"beetle","bee"拆分为一个列表，其中第一个列表包含unlist。为了按字母顺序排序，我先删除列表sort，然后再删除df=cbind.data.frame(c("A","B","C","D"),c("B","A","D","C")) colnames(df)=c("Group1","Group2") apply(df[,c("Group1","Group2")], MARGIN = 1, function(x){ paste(sort(x), collapse = "_") }) #[1] "A_B" "A_B" "C_D" "C_D"。然后，我将折叠结果粘贴回去。

编辑：

from tensorflow.python.keras.layers import  Input
from tensorflow.python.keras import regularizers
def infer3(data_input, Reuse):
    with tf.variable_scope('Network', reuse=Reuse):
        inputs = Input(tensor = data_input)
        network = tf.keras.layers.Conv2D(kernel_size=3, strides=2, filters=64, padding='same',kernel_regularizer=regularizers.l2(1),
                    activation='linear', kernel_initializer="glorot_normal", name='conv1', bias_initializer='zeros')(inputs)

    return network

tf.reset_default_graph() 
input_tensor = tf.placeholder(tf.float32,shape=[BATCH_SIZE,img_H,img_W,1])
output_tensor = tf.placeholder(tf.float32,shape=[BATCH_SIZE,img_H,img_W,1]) 
in_training_mode = tf.placeholder(tf.bool)     


network = infer3(input_tensor,False)
network_test = infer3(input_tensor,True)

使R中相同的镜像字符串相同

1 个答案: