我正在Linux的Windows子系统中运行Ubuntu，而apt-get update找不到r-base的最新版本。在Ubuntu 16.04上，它获得的最新R版本是3.2.3。如何升级到R的较新版本？
答案 0 :(得分：1)
正如@DirkEddelbuettel在他的评论中所说，此README提供了有关如何在Windows Linux子系统（WSL）设置中更新R版本的有用信息。对我来说，我在Ubuntu 18.04上从R 3.4更新到R 4.0。
我正在运行仿生设备（我使用lsb_release -a来查找），并且我想要R 4.0，所以我选择了合适的Deb行（对我来说：deb https://cloud.r-project.org/bin/linux/ubuntu bionic-cran40/）添加到我的/ etc / apt中/sources.list文件（必须使用sudo vim /etc/apt/sources.list将此行添加到末尾）。然后我运行了sudo apt-get update和sudo apt-get install r-base。现在我有了最新版本4.0.2。只需根据自述文件中的选项选择所需的特定Ubuntu / R组合即可。我希望这可以帮助某人。
答案 1 :(得分：0)
事实证明，默认Ubuntu存储库中的 self.model = nn.Sequential()
for i in range(len(self.layers)-1):
self.model.add_module("linear_layer_" + str(i), nn.Linear(self.layers[i], self.layers[i + 1]))
if activations == None:
self.model.add_module("activation_" + str(i), nn.Tanh())
else:
if activations[i] == "T":
self.model.add_module("activation_" + str(i), nn.Tanh())
elif activations[i] == "R":
self.model.add_module("activation_" + str(i), nn.ReLU())
else:
#no activation
pass
版本落后于CRAN的n_steps = 10
n_inputs = 3
n_outputs = 1
n_neurons = 300
n_layers = 3
X = tf.placeholder(tf.float32, [None, n_steps, n_inputs])
y = tf.placeholder(tf.float32, [None, n_steps, n_outputs])
layers = []
for i in range(n_layers):
layers.append(tf.contrib.rnn.BasicRNNCell(num_units=n_neurons, activation=tf.nn.relu))
multi_layer_cell = tf.contrib.rnn.MultiRNNCell(layers)
rnn_outputs, states = tf.nn.dynamic_rnn(multi_layer_cell, X, dtype=tf.float32)
stacked_rnn_outputs = tf.reshape(rnn_outputs, [-1, self.layers_form[-1]])
stacked_outputs = tf.layers.dense(stacked_rnn_outputs, self.n_outputs)
outputs = tf.reshape(stacked_outputs, [-1, self.n_steps, self.n_outputs])
最新版本。
解决方案是按照以下说明将R-CRAN添加到r-base ：
r-base