stroykova

import Stemmer
stemmer = Stemmer.Stemmer('russian')
word = "Вася"
word = stemmer.stemWord(word.lower())

stroykova

ATI Radeon driver install on Debian 8
# apt-get install fglrx-atieventsd fglrx-control fglrx-driver
# aticonfig --initial
https://www.linux.org.ru/forum/general/9519014

grub order
http://linuxpoison.blogspot.ru/2010/11/how-to-change-grub-2-default-timeout.html

hard drives auto mount
http://superuser.com/questions/646249/automatically-mount-a-2nd-hard-drive-in-debian-7

stroykova

import datetime
d = datetime.datetime.strptime("2014-12-10_16-56-19", "%Y-%m-%d_%H-%M-%S")
ts = time.mktime(d.timetuple())
print datetime.datetime.fromtimestamp(ts).strftime("%Y-%m-%d_%H-%M-%S")

stroykova

"""
https://github.com/getsentry/raven-python/blob/master/raven/base.py
"""
from __future__ import absolute_import

import linecache
import logging
import sys
from contextlib import closing

stroykova

def warn(*args, **kwargs):
    pass
import warnings
warnings.warn = warn

stroykova

Выберите все верные утверждения
1. В задаче кластеризации для каждого объекта из обучающей выборки задано значение целевой функции
2. В задаче регрессии для объектов из обучающей выборки задано значение целевой функции
3. В задаче кластеризации все алгоритмы предполагают, что количество кластеров известно заранее
4. В задаче регрессии можно определять только линейные зависимости
5. Переобучение возникает, когда модель слишком сильно подстраивается под обучающие данные
6. Переобучение скорее всего возникнет, когда данных много, а параметров модели мало
7. Алгоритм обучения модели для решения задачи классификации возвращает значение вектора параметров модели
8. Алгоритм обучения модели для решения задачи классификации определяет форму зависимости между признаками и целевой переменной
9. Алгоритм обучения модели для решения задачи классификации возвращает вектор вероятности принадлежности объекта к классу

stroykova

stroykova

Hello! I will repeat my issue, now I have a little bit more info. I have a dag with joblib and CeleryExecutor:

from joblib import Parallel, delayed

def joblib_code(*args, **kwargs):
    Parallel(n_jobs=2)(delayed(print)(i) for i in range(2))

stroykova

from django.core import serializers

data = serializers.serialize('json', [my_model_object])
for copy in serializers.deserialize("json", data):
    copy.save()