问题标签 [manifold]

我正在尝试使用 SymPy 和 SymPy 的 diffgeom 包在流形上定义一个方程。由于这个方程是由用户输入的，它作为字符串发送到程序中，因此在代码中的流形定义之前定义。为了执行有意义的计算，我试图用歧管上定义的符号替换“简化”符号。

这是一个由用户提供的函数。

歧管的坐标也由用户作为字符串提供。

之后的一切都是自动化的。

第一个替换效果很好。我可以使用微分（）按预期获取导数。

第二个替换是事情变得奇怪的地方。().diff() 命令工作正常并返回 0，因为新坐标是在流形上定义的，而不是标准符号，但我不能再使用微分() 求导数。

似乎 diffgeom 正在尝试执行转换以计算导数，但实际上不应该进行任何转换，因为这都在同一个坐标系中。我从根本上错过了什么吗？或者是否有更简单的方法将字符串解析为流形上的表达式？

这是抛出的完整错误。除了 SymPy 在我没想到的时候尝试转换坐标之外，我真的无法从中得到太多。

我在 Scikit-learn 中使用局部线性嵌入(LLE) 方法进行降维。我能找到的唯一示例属于此处和此处的 Scikit-learn 文档，但我不确定应该如何选择该方法的参数。特别是，数据点的维度或样本数与邻居数（n_neighbors）和组件数（n_components）之间是否存在任何关系？Scikit-learn 中的所有示例都使用 n_components=2，总是这样吗？最后，是否有任何其他对调整至关重要的参数，或者我应该对其余参数使用默认设置？

我正在努力在 TensorFlow 中使用约束 W'W = I 来最大化 Tr(W'X'XW)。有问题的部分是约束，因为它要求权重保持在 Stiefel 流形上。有一种软方法可以将约束作为拉格朗日项添加到目标中。但是，这并不准确，实施可能会很混乱。

我知道 Pymanopt 库使用 autodiff 进行多种优化。但我仍然想知道是否有一种原则方法可以在 Tensorflow 中模拟（Stiefel）流形优化？

给定使用 Aleph/Manifold 创建的总线，您如何测量吞吐量、延迟、错误数和超时等有趣的指标？

我使用与原始版本具有完全相同形状的数据集更改了下面示例的 X 和颜色变量。

我收到以下错误：

在处理上述异常的过程中，又出现了一个异常：

你能帮我找出问题吗？谢谢，齐德

我想流式传输大型二进制文件（exe、jpg、...、所有类型的文件）。看来aleph客户端可以做到。看了官方的示例，明白了如果我们将惰性序列传递给body，响应可以传递一个流。

我有以下代码：

我得到了 uri 并尝试用块读取文件。我想这样做是因为文件可能约为 3 GB。所以，我所期望的是应用程序不会使用比块大小更多的内存。但是当我为应用程序设置 1GB（-Xmx 选项）时，它占用了所有内存（1 GB）。为什么要占用 1GB？JVM 是否以这种方式工作？当我有 100 个同时连接（例如，每个文件为 3GB）时，我得到 OutOfMemoryError。

任务是使用块“流式传输”文件以避免 OutOfMemoryError。

亲爱的 stackoverflow 用户，

我是一名计算化学家，我有一个几何问题。我有一堆定义分子表面的坐标，我想推导出这个表面的向外法线向量。当我看它时，表面似乎近似于流形的属性，尽管坐标点不是使用这个框架明确得出的。我还必须明确一点，在一般情况下，分子表面并不总是凸包，并且可以具有一定程度的凹度。他们没有的是不连续性，表面通过构造是光滑的。但由于我不知道如何处理这些数学规范，我试图为一般问题设计一种算法。

作为初步说明，对于表面的每个点，我可以确定最近原子的位置。因此，对于每个点，我也可以使用这些 xyz 坐标。该算法采用以下形式：

1.计算每个可用点之间的距离矩阵（它不可避免地缩放到点数的平方，但对于我使用 numpy 的情况仍然是合理的）

2.提取每个点的两个最近邻

3.使用这三个点生成以每个点为中心的两个向量

4.根据这两个向量的叉积得到法向量，然后对其进行归一化

5.计算点与其底层原子​​之间的向量

6.如果这个向量与法向量的夹角小于 90°，这个向量是向内的，因此它被它的相反向量代替

这个完整过程的结果有点好，但是当我使用 matplotlib 目视检查结果时，仍然有各种向量与表面有些平行。这是水分子的 matplotlib 结果： 这是用于比较的水的分子表面（您可以在其中找到下面的原子）。忽略表面的颜色编码，它是由表面电荷进行颜色编码的，这与现在的讨论无关。

这个表面是由我无法访问代码的第三方软件获得的。我只能将其可视化，并且无法访问其中用于最终渲染的平滑程序。

正如图像所暗示的那样，表面非常光滑，因此我希望法线向量能够解释这种“光滑度”，但它们并不完美。我需要法线向量来实际反映表面的平滑度，因为当前法线向量所描绘的表面粗糙度对我基于这些法线向量的后续计算的质量有显着影响。有没有人知道我可以在合理的计算时间内做什么来解决这个问题？

这是一个可以重现我的第一个数字的工作代码：

该代码的前 280 行主要用于重现结果所需的坐标表。这段代码最重要的部分是从第 282 行到第 355 行，这里实现了我刚刚概述的算法。

提前感谢您的帮助！

我正在尝试使用非度量多维缩放在两个轴或组件中可视化我的高维数据集。此功能在 scikit-learn 库中可用。这是我的代码：

n_init 的默认值为 4，max_iter 为 300，n_jobs=None（表示 -1）。即使我减少了默认值并增加了 n_jobs，这也需要永远运行。它也让我的笔记本在一段时间后崩溃。我应该提到我的数据有 20000 行，当我保留代码的注释行（只有 100 行）时，它可以工作。有谁知道我怎样才能使这项工作？更快或以某种方式确保笔记本电脑不会崩溃。

我正在尝试编写一个 C++ 程序，该程序将在不使用 GPS 坐标的情况下将无人机（DJI Matrice 100）从 A 点移动到 B 点，因为我正在不存在 GPS 信号的地方对其进行测试。

我使用的是配备有 Guidance 和 Manifold 的 DJI Matrice 100 无人机。

我分析了 DJI_SDK_DEMO，但都是使用 GPS 坐标。

谢谢！

我为 IntelliJ IDEA 安装了 Manifold 插件，但后来我们决定不需要它。

我正在使用 Mac。

我怎么删除它？它给了我一堆错误，比如java: package manifold.internal.runtime does not exist每个文件。