Question

我最近学习了C ++编码，并且正在使用Bjarne Stroustrup的入门书进行学习，并获得了以下代码：

epochs=150
learning_rate = 0.001
decay_rate = learning_rate / epochs
optimiser=keras.optimizers.Nadam(lr=learning_rate,schedule_decay=decay_rate)




def create_model():
    model = Sequential()
    model.add(Dense(21, input_dim=22, kernel_initializer='normal',activation='relu')) #hidden layer one
    model.add(Dropout(0.2))
    model.add(Dense(19, activation='relu')) #hidden layer 2
    model.add(Dropout(0.2))
    model.add(Dense(8, activation='relu')) #output layer
    model.compile(loss='mean_squared_error', optimizer=optimiser,metrics=['accuracy'])
    return model

np.random.seed(seed)

kfold=KFold(n_splits=5, random_state=seed)
scaler=StandardScaler()
x=StandardScaler().fit_transform(x)
model=KerasRegressor(build_fn=create_model, verbose=0,epochs=150, batch_size=70)


history=model.fit(x,y)

scores=cross_val_score(model, x,y,cv=kfold, scoring='neg_mean_squared_error')
print('scores',scores)
print("Hidden: %.2f%% (%.2f%%)" % (scores.mean(), scores.std()))

我复制了自己：

estimators = []
estimators.append(('standardize', StandardScaler()))
estimators.append(('mlp', KerasRegressor(build_fn=create_model, epochs=150,     batch_size=70, verbose=0)))
pipeline = Pipeline(estimators)
pipeline.fit(x,y)
kfold = KFold(n_splits=5, shuffle=True, random_state=seed)
results = cross_val_score(pipeline, x, y, cv=kfold,     scoring='neg_mean_squared_error')
print("pipeline: %.2f%% (%.2f%%)" % (results.mean(), results.std()))

但这是问题所在，我无法退出在字典中插入单词的初始循环（我添加的while循环是试图对其进行修复，但它似乎也不起作用）。

谢谢您的时间：）。

Answer 1

内部for循环将一直运行到pki.privateKeyFromPem(pem);为$pass为止，如果继续添加有效的字符串，情况可能并非如此。此外，在包装cin >> word时不需要多余的内容。您可以执行以下操作，或在必要时添加false语句。

for-loop

无法退出循环，似乎卡住了

1 个答案: