当我们在vw-hyperopt中指定"--algorithms=sgd“时，它是否运行自适应、标准化和不变更新？
当我们在vw-hyperopt中指定"--algorithms=sgd"时，它运行的是随机梯度下降（Stochastic Gradient Descent）算法。随机梯度下降是一种常用的优化算法，用于训练机器学习模型。它的特点是每次迭代只使用一个样本来更新模型参数，因此计算速度较快。
关于自适应、标准化和不变更新的问题，这些概念与随机梯度下降算法的具体实现方式有关，而不是由"--algorithms=sgd"参数决定。下面分别介绍这些概念：
- 自适应（Adaptive）：自适应优化算法是指根据当前的优化情况自动调整学习率或其他参数的算法。它可以根据模型在训练过程中的表现动态地调整学习率，以提高收敛速度和效果。常见的自适应优化算法有AdaGrad、RMSprop和Adam等。
- 标准化（Normalization）：标准化是指将数据转化为均值为0，方差为1的分布。在机器学习中，标准化可以提高模型的稳定性和收敛速度，避免不同特征之间的尺度差异对模型训练的影响。常见的标准化方法有Z-score标准化和MinMax标准化等。
- 不变更新（Invariant Update）：不变更新是指在模型训练过程中，对于某些特定的变量或参数，其更新方式是固定的，不受其他因素的影响。这种更新方式可以保持某些特性或约束条件的不变性。在随机梯度下降算法中，通常会对学习率进行不变更新，以保证模型参数的收敛性和稳定性。
总结起来，当我们在vw-hyperopt中指定"--algorithms=sgd"时，它运行的是随机梯度下降算法，但具体是否运行自适应、标准化和不变更新，需要根据vw-hyperopt的实现方式来确定。如果需要使用自适应、标准化和不变更新等功能，可以查阅vw-hyperopt的文档或代码，了解其具体实现和参数设置。
相关·内容
混淆是因为当我们在vw命令行中指定--sgd时，它会运行经典的sgd，没有自适应的、标准化的和不变的更新。那么，当我们在vw-hyperopt中将algorithm指定为sgd时，它是作为经典运行还是带有特殊更新？是否必须在vw-hyperopt中指定算法？哪种算法是默认算法？谢谢。
浏览 33提问于2020-09-03得票数 1
回答已采纳
1回答
我想把奖励剪辑在角纸上。我看到可以剪切规范，并将值为sgd，如下所示：
sgd = optimizers.SGD(lr=0.01, clipnorm=1.)
sgd = optimizers.SGD(lr=0.01, clipvalue=0.5)
什么是剪裁规范和裁剪价值？
另外，如何才能实现对亚当的奖励？你能告诉我怎么做吗？
浏览 0提问于2018-10-03得票数 9
1回答
我正在开发一个强化学习代理。我已经弄清楚了结构和算法。目前我的目标是提高学习过程的稳定性。我正在使用keras的ML部分，并有很好的结果与亚当优化器。这是100次运行的过程图(结果很好，但学习过程非常不稳定)。
我已经说过我想提高稳定性，所以我试着将优化器切换到SGD，这是结果(真的让我困惑，因为它似乎正在变得越来越糟糕)。
一次运行和另一次运行之间唯一的区别是优化器。你知道是什么导致了这种行为吗？
浏览 19提问于2019-11-04得票数 0
1回答
你可以推荐哪种训练方法来训练基于注意力的序列到序列神经机器翻译模型？SGD，Adadelta，Adam还是更好的？请给我一些建议，谢谢。
浏览 3提问于2017-04-20得票数 0
1回答
我正在使用scikit-学习，并希望运行SVR与RBF内核。我的数据集相当大，所以从阅读其他帖子，我被建议使用SGD回归和RBF近似。有趣的是，与单独使用SGD相比，与RBF相比，使用SGD的结果更糟糕。我想这是由于参数值错误造成的。我尝试循环通过伽马和n_components的径向基函数采样器，并尝试了一些参数的SGD回归器，但没有任何效果。我还输出了训练和交叉验证错误，两者大致相同，所以我认为这是一个偏见问题。
浏览 2提问于2013-11-15得票数 1
回答已采纳
我正在研究政策梯度方法。我无意中发现了这个实现：https://gist.github.com/calclavia/cfcd41ad4e47d7b9b6ab8af15410747a --它使用了Nesterov优化器。
如果我运行它，它会在OpenAI健身房卡特波尔-V0上收敛并获得很好的分数。
然而，如果我将优化器从Adam改为随机梯度下降(SGD)，它永远不会收敛，而且似乎是随机的。为什么会这样呢？政策梯度方法是否使SGD成为一个糟糕的选择？
注意:该代码中有一个错误，它只运行了100个时间步骤。这一集可以持续200多个时间步骤。我在运行它的时候修好了这个。
浏览 0提问于2018-09-17得票数 3
当我增加/减少SGD中使用的小批量的批量大小时，我应该改变学习率吗？如果是这样，那么是如何实现的呢？
作为参考，我正在与某人讨论，有人说，当批量增加时，学习率应该在一定程度上降低。
我的理解是，当我增加批量大小时，计算的平均梯度将不那么嘈杂，因此我要么保持相同的学习率，要么增加学习率。
此外，如果我使用自适应学习率优化器，如Adam或RMSProp，那么我想我可以保持学习率不变。
如果我错了，请纠正我，并在这方面给出任何见解。
浏览 2提问于2018-10-29得票数 59
回答已采纳
我正在尝试运行由Tensorflow 提供的代码，该代码属于Tensorflow联邦。守则如下：
import tensorflow as tf
import tensorflow_federated as tff
def model_fn():
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(10, tf.nn.softmax, input_shape=(784,),
kernel_initializer='zeros')
])
浏览 22提问于2022-10-11得票数 0
回答已采纳
2回答
预测取决于Keras中的批量大小
、、、、
我正在尝试使用keras对图像进行二进制分类。
我的CNN模型在训练数据上得到了很好的训练(提供了大约90%的训练精度和~93%的验证精度)。但是在训练期间，如果我设置batch size=15000，我会得到图I输出，如果我设置batch size=50000，我会得到图II作为输出。有没有人能告诉我出了什么问题？预测不应该依赖于批量大小，对吗？
我用来做预测的代码：
y=model.predict_classes(patches, batch_size=50000,verbose=1) y=y.reshape((256,256))
我的模型：-
model = Sequent
浏览 1提问于2016-05-25得票数 12
2回答
我使用的是最新的Keras和Tensorflow后端(Python 3.6)
我正在加载一个模型，当我上次训练它时，它的训练准确率约为86%。
我使用的原始优化器是：
r_optimizer = optimizer=Adam(lr=0.0001, decay = .02)
model.compile(optimizer= r_optimizer,
loss='categorical_crossentropy', metrics = ['accuracy'])
如果我加载模型并在不重新编译的情况下继续训练，我的准确率将保持在86%左右(
浏览 0提问于2018-05-22得票数 1
我正在尝试分类一些图像，如果它们包含对象:是或否。
我首先用rmsprop优化器运行50个时期，然后用超过50个时期继续第二次运行SGD优化器。
我的第一次运行以大约0.4的损失结束，模型被保存。第二次运行从保存的模型开始。
问题是，在第二次运行开始时，Keras显示在1个时期的损失约为0.8。
为什么相同的损失函数会发生这种情况？
浏览 2提问于2018-11-29得票数 0
1回答
我正在训练LSTM来预测时间序列。我试过一个编码器-译码器，没有任何辍学。我将我的数据分成70%的训练和30%的验证。训练集和验证集的总分分别在107和47左右。然而，验证损失总是大于训练损失。下面是密码。
seed(12346)
tensorflow.random.set_seed(12346)
Lrn_Rate=0.0005
Momentum=0.8
sgd=SGD(lr=Lrn_Rate, decay = 1e-6, momentum=Momentum, nesterov=True)
adam=Adam(lr=Lrn_Rate, beta_1=0.9, beta_2=0.99
浏览 8提问于2020-08-09得票数 0
回答已采纳
2回答
许多专家说，“批处理比SGD具有更多的本地最优可能性”。但是，我不知道原因..。
📷
SGD如何能比批处理更好地避免局部最优？)有些人告诉我，过度射击是原因。但是，我也不知道在SGD有更多的过度射击)
如果你用几何、数学或其他直觉概念来解释这个原因，那就太棒了！
浏览 0提问于2020-01-09得票数 1
从一些神经网络的文章中我读到，如果你扩大神经网络的结构，不同的局部极小值在损失面上的差异就会减小。基本上，所有的局部极小值都是等价的。
如果是这样，那么为什么SGD的不同变体(如Adagrad、ADAM等)？比普通的SGD好吗？我相信使用这些SGD变体的原因是为了解决“坏”的局部极小值问题，但如果所有局部极小值或多或少是相同的，那么使用这些变量的目的是什么？
浏览 0提问于2016-08-10得票数 1
回答已采纳
2回答
我尝试使用keras (backened )创建一个神经网络。我有4个输入和2个输出变量:不可用
我想对不可用的测试集进行预测。
这是我的代码：
from keras import optimizers
from keras.models import Sequential
from keras.layers import Dense
import numpy
numpy.random.seed(7)
dataset = numpy.loadtxt("trainingsdata.csv", delimiter=";")
X = dataset[:,0:4]
浏览 1提问于2017-07-31得票数 1
1回答
可能我只是误解了亚当的工作方式，但为什么会发生这样的事情：
x = tf.Variable([0.0, 0.0]) # variable
y = tf.constant([5.0, 1.0]) # target
cost = tf.abs(x-y)**2
由于y的第一维大于第二维，第一维中的梯度大于第二维(应该是这样)，x的每个维度都以自己的速率接近目标值：
sgd = tf.train.GradientDescentOptimizer(0.001)
train = sgd.minimize(cost)
with tf.Session() as sess:
sess.run(tf.globa
浏览 1提问于2019-01-11得票数 3
回答已采纳
我在不利地训练resnet-50时遇到了一个奇怪的问题，我不确定这是一个逻辑错误，还是代码/库中的某个bug。我正在对抗性地训练一个从Keras加载的resnet-50，使用来自cleverhans的FastGradientMethod，并期望对抗性准确率至少提高90% (可能是99.x%)。训练算法、训练参数和攻击参数应该在代码中可见。问题是，正如标题中已经指出的那样，在第一个时期训练了39002个训练输入中的3000个之后，准确率停留在5%.(GermanTrafficSignRecognitionBenchmark，)。
当训练没有和对抗损失函数时，精度在3000个样本后不会卡住，但在第
浏览 4提问于2020-04-07得票数 1
1回答
我正在阅读的手-关于ML第二版。在第142页中，有以下代码作为早期停止的示例：
np.random.seed(42)
m = 100
X = 6 * np.random.rand(m, 1) - 3
y = 2 + X + 0.5 * X**2 + np.random.randn(m, 1)
X_train, X_val, y_train, y_val = train_test_split(X[:50], y[:50].ravel(), test_size=0.5, random_state=10)
from copy import deepcopy
poly_scaler = Pipel
浏览 0提问于2022-08-12得票数 1
运行Test.java抛出错误运行:线程"main“中的异常java.lang.RuntimeException:无法编译的源代码-错误的树类型:在algorithms.Test.main(Test.java:9)
这两个文件都位于相同的目录"algorithms“中，并且每个文件的开头也提到了package algorithms。
运行Test的main()有什么问题？
Gcd.java文件
package algorithms;
public class Gcd {
public static int ComputeGcd(int number1, int number
浏览 1提问于2012-05-01得票数 1
回答已采纳
3回答
我试图在Python中用随机梯度下降作为求解器来实现岭回归的解决方案。我的SGD代码如下：
def fit(self, X, Y):
# Convert to data frame in case X is numpy matrix
X = pd.DataFrame(X)
# Define a function to calculate the error given a weight vector beta and a training example xi, yi
# Prepend a column of 1s to the data for the
浏览 12提问于2017-04-27得票数 1
1回答
平方根正则化与高损耗
、、、
我正在测试平方根正则化(前面已经解释过)，在一个神经网络的pytorch实现中。平方根正则化，即l1/2，就像l2正则化一样，但不是权值的平方，而是取其绝对值的平方根。为了实施这一计划，我要惩罚火把中的损失：
for p in model.parameters():
loss += lambda * torch.sqrt(p.abs()).sum()
p.abs()是p的绝对值，即权值，torch.sqrt()是平方根，.sum()是单个权重的结果之和。lambda是惩罚因素。
在没有正则化的情况下，损失发生在0.4附近。使用lambda=100，如果我使用l2或l1正则化，损失就会在0
浏览 0提问于2019-04-09得票数 2
回答已采纳
我不熟悉Keras的内部工作原理，很难理解Keras如何在培训期间使用optimizers.SGD的optimizers.SGD函数。
我在网上搜索了很长一段时间，但只有很少的细节。具体来说，我的理解是SGD的参数/权重更新规则是在get_updates()函数中定义的。但是，似乎get_updates()并不是在训练期间的每一次迭代中都会被真正调用；否则，在每次调用c.f中重置时，“瞬间”就不会从一个迭代传递到另一个迭代以正确实现动量。optimizers.py：
shapes = [K.get_variable_shape(p) for p in params]
moments = [K.
浏览 2提问于2019-03-08得票数 2
回答已采纳
我有一个这样的数据集：
Group Owner
ABC John
ABC
TTT
TTT
TTT
CBS Alen
CBS Tim
SGD
SGD
现在，我需要搜索数据集来查找所有者都为空的所有行，比如TTT和SGD (不是ABC，因为它有一行的所有者是John)。但我只需要选择一个项目，而不是所有的项目(最好是第一个)。我如何使用c#来做这件事？
浏览 0提问于2014-09-12得票数 0
我有一台运行一些ML的东西，我有一个私有的github repo，里面有一些我常用的函数，它的格式是这样的，可以通过pip安装，所以我通过这样做来设置SageMaker密钥：
<code>A0</code>
回车，回车，回车(默认保存位置无密码)
<code>A1</code>
然后，我将公钥复制到github中，然后运行以下命令来安装库
<code>A2</code>
其中<code>D3</code>是包含我正在使用的conda环境的pip的目录(具体地说，就是AWS提供的tensorflow2
浏览 21提问于2020-08-01得票数 0
回答已采纳
1回答
我正在运行一个卷积神经网络()对我自己的图像数据，与形状(否)。通道，高度，宽度)= (3，30，30)。我有76960个训练样本，19240个测试样本，有39个课程。最后几个代码块是：
# Train the model using Stochastic grad descent + momentum
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
cnn.compile(loss='categorical_crossentropy',
optimizer=sgd,
浏览 0提问于2016-08-26得票数 1
我开始学习Nodejs，我被困在中间的某个地方。我从npm安装了一个新的库，即express-jwt，它在运行后显示了某种错误。附加的代码和日志的错误，请帮助我！
const jwt = require('jsonwebtoken');
require('dotenv').config()
const expressJwt = require('express-jwt');
const User = require('../models/user');
exports.requireSignin = expressJw
浏览 8提问于2020-06-30得票数 47
回答已采纳
27回答
训练回归网络时的NaN损失
、、、、
我有一个“一热编码”(全部为1和0)的数据矩阵，包含26万行和35列。我用Keras训练一个简单的神经网络来预测一个连续变量。建立网络的代码如下：
model = Sequential()
model.add(Dense(1024, input_shape=(n_train,)))
model.add(Activation('relu'))
model.add(Dropout(0.1))
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.1))
model.add(
浏览 24提问于2016-05-14得票数 122
回答已采纳
1回答
我的ASP.NET MVC web后端使用System.Security.Cryptography.Algorithms.dll。在生成时，可以在以下文件中找到dll：
C:\Program Files (x86)\Reference Assemblies\Microsoft\Framework\.NETFramework\v4.7.1\Facades。
在运行时，dll被解析为：
C:\WINDOWS\Microsoft.Net\assembly\GAC_MSIL\System.Security.Cryptography.Algorithms\v4.0_4.0.0.0__b03f5f7f11
浏览 0提问于2018-10-09得票数 4
回答已采纳
1回答
剪裁规范和剪贴画的区别是什么？
例：opt = SGD(lr=0.01, momentum=0.9, clipnorm=1.0)
浏览 5提问于2020-07-19得票数 3
回答已采纳
我正在使用CNTK C# API (最新的2.2版本)，并有以下问题。(使用来自logisticsRegression的GitHub示例并对其进行修改以将其设置为usecase。
使用SGD，并尝试了SGDMomentim学习者。
1.如何为训练设置每个样本的最大迭代次数。我可以在SGDMomentum中看到LR和MR变量，但没有迭代。
2.是一种监测每个神经元在网络中每一次迭代过程中的每一次迭代过程中是如何前进/停滞的方法。或者在每次迭代中权重参数是如何演化的？
3.其他学习模块何时将在C#中发布？(然后是SGD和SGD动量)？
谢谢你的帮助。
浏览 1提问于2017-10-24得票数 1
我正在尝试编辑一个给定的机器学习代码，运行3个不同的训练网络。我们的目标是使用来自scikit MLPClassifier的学习。我一直收到的错误是，我正在使用序列设置数组元素。我知道数据是元组，但不确定如何更改它才能使用分类器。我是python的新手，目前正在尝试理解数组和矩阵。这就是我到目前为止所拥有的。错误来自最后一行，我是否必须以不同的方式拆分数据或将其转换为非元组？任何建议都是很棒的！
# To support both python 2 and python 3
from __future__ import division, print_function, unicode_lit
浏览 3提问于2019-02-28得票数 0
1回答
我是神经网络的新手。我正在凯拉斯做我的大学神经网络项目。我使用SGD优化器组装并训练了单层顺序模型：
[...]
nn_model = Sequential()
nn_model.add(Dense(32, input_dim=X_train.shape[1], activation='tanh'))
nn_model.add(Dense(1, activation='tanh'))
sgd = keras.optimizers.SGD(lr=0.001, momentum=0.25)
nn_model.compile(loss='mean_square
浏览 0提问于2018-06-16得票数 0
回答已采纳
1回答
为什么我们认为随机梯度下降会找到一个最小值呢？我的意思是，在每次迭代中，SGD都朝着只减少当前批处理错误的方向移动(SGD不关心其余的示例)。但是，为什么这会导致我们的成本函数的局部最小呢？
为什么我们希望这个全新的最低限度会比最初的更深？这更有可能吗?为什么？理由是什么？
浏览 0提问于2021-10-06得票数 1
3回答
在购物车页面中，用户可以更新项目的数量(添加时默认为1)，那么如果新数量会使当前数量降至0或更低，我如何停止用户更新数量或停止更新过程？
代码如下：
function showCart() {
global $db;
$cart = $_SESSION['cart'];
if ($cart) {
$items = explode(',', $cart);
$contents = array();
foreach ($items as $item) {
$contents[$item] = (isset($contents[
浏览 1提问于2011-07-29得票数 0
我写过这样的代码：
$http.post('/getUserInfo', Obj)
.then(function(response) {
//console.log(response.data);
$scope.items = response.data;
});
响应中接收的数据被设置为$scope.items。如果我再次运行这段代码，它是会改变整个$scope.items，还是只会观察$scope.items的新旧值之间的变化？
假设response.data包
浏览 2提问于2017-02-20得票数 0
1回答
我刚刚开始了一个python项目。目录结构如下：
/algorithms
----/__init__.py
----/linkedlist
--------/__init__.py
--------/file1.py
--------/file2.py
/tests
----/test_linkedlist
您还可以检查。
在algorithms下的每个子文件夹中，在__init__文件中，我逐一为所有文件包括以下内容：
from .file1 import *
from .file2 import *
诸若此类。
我要完成的任务是使用以下查询一起运行所有测试：
p
浏览 3提问于2019-03-07得票数 3
回答已采纳
1回答
我已经使用一些录制的WAV文件完成了调整CMU Sphinx的各种步骤。现在，将生成的文件放到哪里？我想让系统上的每个用户根据自己的声音调整CMU Sphinx，所以我不想将文件存储在/usr/local中。
是否有一个默认目录，或者我必须在每次运行pocketSphinx时指定它们和它们的位置？
浏览 0提问于2015-11-06得票数 0
我正在对10,000张图像进行训练，并注意到将优化器从opt = SGD()切换到opt = 'adam'会导致精确性的大幅度降低，从而使所有其他参数相等。使用SGD()，我获得了大约80%的准确度(在每个时代之后逐渐增加)。有了亚当，我在每一个时代都能达到22.25%的验证准确率。
我想知道这可能的原因是什么.
参数
dropout_prob = 0.2
activation_function = 'relu'
loss_function = 'categorical_crossentropy'
batch_size = 32
epoch_co
浏览 4提问于2017-08-12得票数 2
2回答
我试图在相同的过程中加载三种不同的型号。只有第一个按预期工作，其余的就像随机结果一样返回。基本顺序如下：
定义和编译第一个模型
以前训练过的重量
重命名层
第二个模型的相同过程
第三种模式的相同过程
所以，就像：
model1 = Model(inputs=Input(shape=input_size_im) , outputs=layers_firstmodel)
model1.compile(optimizer='sgd', loss='mse')
model1.load_weights(weights_first, by_nam
浏览 2提问于2017-11-20得票数 8
对于python中的Tensorflow中的多元线性回归模型，如何打印出该模型用于预测标签的方程。我目前使用的模型需要两个特性来预测一个标签，所以我认为一般的方程是，但是如何使用Tensorflow获得所有常数的未知参数和值？
代码：
fundingFeatures = fundingTrainSet.copy()
fundingLabels = fundingFeatures.pop('% of total funding spent')
fundingFeatures = np.array(fundingFeatures)
normalizer = preprocessin
浏览 1提问于2020-12-27得票数 0
回答已采纳
在学习GANs时，我注意到代码示例显示了以下模式：
甄别者受到这样的训练：
d_optim.zero_grad()
real_pred = d(real_batch)
d_loss = d_loss_fn(real_pred, torch.ones(real_batch_size, 1))
d_loss.backward()
fake_pred = d(g(noise_batch).detach())
d_loss = d_loss_fn(fake_pred, torch.zeros(noise_batch_size, 1))
d_loss.backward()
d_optim.step
浏览 4提问于2020-03-20得票数 2
回答已采纳
规范数据是否在0-1范围内，数据的平均值也在0-1之间？
什么是第一位重要吗？
如果你做了一个，另一个不是必需的吗？
浏览 0提问于2016-07-15得票数 1
回答已采纳
我有一个8 GPU集群，当我运行一个 (粘贴在下面)时，它只使用一个GPU而不是所有的8个。我使用nvidia-smi确认了这一点。
# Build model
inputs = Input((IMG_HEIGHT, IMG_WIDTH, IMG_CHANNELS))
...
outputs = Conv2D(1, (1, 1), activation='sigmoid') (c9)
model = Model(inputs=[inputs], outputs=[outputs])
sgd = optimizers.SGD(lr=0.03, decay=1e-6, mome
浏览 0提问于2018-04-25得票数 9
回答已采纳
5回答
我正在使用线性回归来预测数据。但是，当我标准化(Vs)变量时，我得到了完全相反的结果。
归一化=x - xmin / xmax -xmin=零分标准化=x- xmean/ xstd
a) Also, when to Normalize (Vs) Standardize ?
b) How Normalization affects Linear Regression?
c) Is it okay if I don't normalize all the attributes/lables in the linear regression?
谢谢，Santosh
浏览 0提问于2015-08-20得票数 36
回答已采纳
2回答
我已经发送了卡与捕获细节和buttons.After点击提交从任务模块，这将保存细节通过http这里，活动类型是调用。现在我必须更新现有的适应卡。
我有更新信息的代码，但是如何更新卡片或重新发送卡片。
connector = new ConnectorClient(new Uri(activity.ServiceUrl));
reply = activity.CreateReply($"You sent {activity.Text} which was {activity.Text.Length} characters&
浏览 2提问于2019-04-05得票数 3
回答已采纳
我创建了一个测试应用程序，我可以让我的应用程序启动从吐司通知，但我无法使它与我的真正的应用程序？
我的MainPage有一个框架，可以导航到有两个框架的页面。当单击Toast通知时，我希望第二个框架加载特定的页面。
这是我的OnLaunched代码
protected override void OnLaunched(LaunchActivatedEventArgs e)
{
Frame rootFrame = Window.Current.Content as Frame;
// Do not repeat app initiali
浏览 3提问于2016-07-02得票数 2
下面是一个简单的keras神经网络，它试图映射1->1和2->0 (二进制分类)
X = [[1] , [2]]
Y = [[1] , [0]]
from keras.callbacks import History
history = History()
from keras import optimizers
inputDim = len(X[0])
print('input dim' , inputDim)
model = Sequential()
model.add(Dense(1, activation='sigmoid', in
浏览 8提问于2017-09-22得票数 1
回答已采纳
1回答
机器人有可能改变MS Teams中消息的外观吗？
我想开发一个小机器人，突出新的消息(有或没有回复)在一个渠道内自动红色。一旦支持者回复了像/assigned @John Doe这样的内容，初始消息就会显示为橙色。最后，在诸如/closed之类的回复之后，消息应该显示为绿色。
浏览 0提问于2021-03-18得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
