如果我理解正确，import tensorflow as tf
# Assumes Xval is sorted
def interpolate1D(Xval, Fval, inp):
# Make sure input values are tensors
Xval = tf.convert_to_tensor(Xval)
Fval = tf.convert_to_tensor(Fval)
inp = tf.convert_to_tensor(inp)
# Find the interpolation indices
c = tf.count_nonzero(tf.expand_dims(inp, axis=-1) >= Xval, axis=-1)
idx0 = tf.maximum(c - 1, 0)
idx1 = tf.minimum(c, tf.size(Xval, out_type=c.dtype) - 1)
# Get interpolation X and Y values
x0 = tf.gather(Xval, idx0)
x1 = tf.gather(Xval, idx1)
f0 = tf.gather(Fval, idx0)
f1 = tf.gather(Fval, idx1)
# Compute interpolation coefficient
x_diff = x1 - x0
alpha = (inp - x0) / tf.where(x_diff > 0, x_diff, tf.ones_like(x_diff))
alpha = tf.clip_by_value(alpha, 0, 1)
# Compute interpolation
return f0 * (1 - alpha) + f1 * alpha
properties = {
'xval': [200.0, 400.0, 600.0, 800.0, 1100.0],
'fval': [100.0, 121.6, 136.2, 155.3, 171.0]
}
with tf.Graph().as_default(), tf.Session() as sess:
tensor = tf.placeholder("float")
interpolate = interpolate1D(properties['xval'], properties['fval'], tensor)
print(sess.run(interpolate, feed_dict={tensor: [40.0, 530.0, 800.0, 1200.0]}))
# [100. 131.09 155.3 171. ]
将同时处理 $this->validate($request, [
'title' =>'required',
'featured'=>'required|mimes:jpeg,pdf,docx,png:5000',
'file'=>'required|mimes:jpeg,pdf,docx,png:5000',
'content'=>'required',
'category_id'=>'required',
]);
$featured= $request->featured;
$featured_new_name=time().$featured->getClientOriginalName();
$featured->move('uploads/posts', $featured_new_name);
$file=$request->file;
$file_name=time().$file->getClientOriginalName();
$file->move('uploads/posts', $file_name);
$post = Post::create([
'title'=>$request->title,
'content'=>$request->content,
'featured'=>'uploads/posts/'. $featured_new_name,
'file'=>'uploads/posts'. $file_name,
'category_id'=>$request->category_id,
'slug'=>str_slug($request->title)
]);
Session::flash('success', 'New Blog has been Published on Website for Particular Menu');
return redirect()->back();
}
和ilogb()参数（并返回0和NaN），而{{1} }引发域错误。据我所知，没有理由使用FP_ILOGB0。这两个函数之间是否还有其他区别，是否有任何理由使用FP_ILOGBNAN而不是logb()？
答案 0 :(得分：2)
除了返回类型，如果函数的参数为零，无穷大或NaN，则返回值，函数之间有no difference in the return value。
对于ilogb：
如果arg不为零，无限或NaN，则返回的值完全等于
static_cast<int>(std::logb(arg))
但是，使用功能与POSIX标准略有不同。
对于 ilogb ：
POSIX要求如果
arg为零，无穷大，NaN，或者正确的结果超出int的范围，则发生域错误。POSIX还要求在符合XSI的系统上，正确结果大于
INT_MAX时返回的值为INT_MAX，而正确结果小于{{1}时返回的值}是INT_MIN。
对于logb：
POSIX要求如果arg为
INT_MIN，则会发生极点错误。
答案 1 :(得分：0)
来自the POSIX standard for ilogb：
成功完成后，这些函数应将x的指数部分作为有符号整数值返回。它们等效于调用相应的logb()函数，并将返回值强制转换为类型
int。