961078c351ab

"graph_view": {
"vertices": [
{
"id": "1:task8",
"label": "task",
"properties": {
"name": "task8",
"owner": "ls",
"datetime": "2021-08-02 10:01:01.000"
}
},
.........................................
],
"edges": [
{
"id": "S1:task6>1>>S1:task5",
"label": "depend",
"source": "1:task6",
"target": "1:task5",
"properties": {
"owner": "wk",
"datetime": "2021-08-01 10:01:01.000"
}
},
......................................
]
}
我需要一个这样的结构返回

gremlin语言介绍八：path查询

0 打开一个新的图库 本节的命令使用的测试数据是tinkerpop官方提供的Modern图库，使用以下命令可以加载tinkerpop modern图库，它包含6个vertex...

movee

2559 3 0

961078c351ab

g.V().repeat(out('depend')).until(has('name','task2')).path()

这样的查询。我怎么把所有的边和顶点都返回啊。我并不到有几层啊。我怎么写out，in啊

gremlin语言介绍八：path查询

0 打开一个新的图库 本节的命令使用的测试数据是tinkerpop官方提供的Modern图库，使用以下命令可以加载tinkerpop modern图库，它包含6个vertex...

movee

2559 3 0

961078c351ab

你是怎么通过认证的啊。我调用失败啊。什么也不返回“curl -X GET -s -u jztwk:00000 --header 'Accept: application/json' 'http://bigdser4:22222/api/atlas/v2/search/basic?typeName=hive_db'” 服务端提示“Not active. Redirecting to http://bigdser5:22222/api/atlas/v2/search/basic?typeName=hive_db (ActiveServerFilter:172)” 用postman调用会提示“Full authentication is required to access this resource”

atlas api你会用吗

atlas api介绍 atlas api 文档http://atlas.apache.org/api/v2/ui/index.html 主要包含有DiscoveryREST...

xluckly

3233 3 2

961078c351ab

定时脚本中的命令写错了 krpop 应该是kprop

Kerberos高可用HA配置

版权声明：本文为博主原创文章，未经博主允许不得转载。https://www.jianshu.com/p/4cd64554fb2d 关于CDH6集成kerberos的配置参见我...

Moon_魔宽

5160 1 2

961078c351ab

我还做过这样一个数据
array([[[ 2996, 28, 20],
[ 4579, 24, 14],
[ 4695, 15, 7]],

[[ 4579, 24, 14],
[ 4695, 15, 7],
[ 4400, 10, -1]],

[[ 4695, 15, 7],
[ 4400, 10, -1],
[ 8458, 10, 1]],

[[ 4400, 10, -1],
[ 8458, 10, 1],
[ 1632, 12, 1]],

[[ 8458, 10, 1],
[ 1632, 12, 1],
[ 8458, 16, 6]],

[[ 1632, 12, 1],
[ 8458, 16, 6],
[ 7041, 21, 12]],

[[ 8458, 16, 6],
[ 7041, 21, 12],
[ 3320, 26, 18]],

[[ 7041, 21, 12],
[ 3320, 26, 18],
[ 2625, 29, 22]],

特征为
数量,高温,低温

样本格式为
[samples,time steps, features]
取过是过去3个月的数据为time steps
损失一样很大

用 LSTM 做时间序列预测的一个小例子

问题：航班乘客预测数据：1949 到 1960 一共 12 年，每年 12 个月的数据，一共 144 个数据，单位是 1000下载地址目标：预测国际航班未来 1 个月的乘客数...

不会停的蜗牛

132623 47 76 2

961078c351ab

我的数据大约是这样的
array([[ 2996],
[ 4579],
[ 4695],
[ 4400],
[ 8458],
[ 1632],
[ 8458],
[ 7041],
[ 3320],
[ 2625],
[ 3773],
[ 6225],
[ 3732],
[ 2466],
[ 3664],
[ 5137],
[ 7185],
[ 3813],
[ 5758],
[ 6663],
[10713],
[11902],
[ 1704]])
我按照你的方法取过去3个月的数据
def create_data(data,label):
window = 3
label_index = 0
x,y=[],[]
for i in range(len(data) - window):
x.append(data[i:i+window,0])
y.append(data[i+window])
return np.array(x),np.array(y)

train_x = np.reshape(train_x, (train_x.shape[0], 1, train_x.shape[1]))
转换型状
model = models.Sequential()
model.add(tf.compat.v1.keras.layers.CuDNNLSTM(100,input_shape=(train_x.shape[1], train_x.shape[2]),return_sequences=True))
model.add(tf.compat.v1.keras.layers.CuDNNLSTM(100,input_shape=(train_x.shape[1], train_x.shape[2]),return_sequences=True))
model.add(layers.Dense(100,activation='relu'))
model.add(layers.Dense(100,activation='relu'))
model.add(layers.Dense(100,activation='relu'))
model.add(layers.Dense(1))
model.compile(loss='mae', optimizer='adam')
history = model.fit(train_x,train_y,epochs=100,batch_size=20,validation_split=0.2,callbacks=[early_stopping,board])

损失太大了根本没法用
0s 11ms/step - loss: 7023.0229 - val_loss: 13946.5625

用的是过去全总的数据一共就是60个月

用 LSTM 做时间序列预测的一个小例子

问题：航班乘客预测数据：1949 到 1960 一共 12 年，每年 12 个月的数据，一共 144 个数据，单位是 1000下载地址目标：预测国际航班未来 1 个月的乘客数...

不会停的蜗牛

132623 47 76 2