我刚刚升级了我的应用程序，以使用新发布的v22.1.0 AppCompat，现在当我打开我的应用程序时，我得到了以下异常。

Caused by: java.lang.IllegalArgumentException: AppCompat does not support the current theme features
        at android.support.v7.app.AppCompatDelegateImplV7.ensureSubDecor(AppCompatDelegateImplV7.java:360)
        at android.support.v7.app.AppCompatDelegateImplV7.setContentView(AppCompatDelegateImplV7.java:246)
        at android.support.v7.app.AppCompatActivity.setContentView(AppCompatActivity.java:106)

我该怎么解决呢?

我有一个长度为6的SQL列。现在只想取这一列的第一个字符。SQL中有字符串函数来做这个吗?

我怎么能有一个动态变量设置行量返回SQL Server?以下语法在SQL Server 2005+中无效:

DECLARE @count int
SET @count = 20

SELECT TOP @count * FROM SomeTable

我正在尝试将一个基于mysql的应用程序迁移到Microsoft SQL Server 2005(不是自愿的，但这就是生活)。

在最初的应用程序中，我们几乎使用了完全符合ANSI-SQL的语句，只有一个重要的例外——我们相当频繁地使用MySQL的group_concat函数。

顺便说一下，Group_concat是这样做的:给定一个表，比如员工姓名和项目……

SELECT empName, projID FROM project_members;

返回:

ANDY   |  A100
ANDY   |  B391
ANDY   |  X010
TOM    |  A100
TOM    |  A510

．.． 下面是使用group_concat得到的结果:

SELECT 
    empName, group_concat(projID SEPARATOR ' / ') 
FROM 
    project_members 
GROUP BY 
    empName;

返回:

ANDY   |  A100 / B391 / X010
TOM    |  A100 / A510

所以我想知道的是:是否有可能写，说，一个用户定义的函数在SQL Server模拟group_concat的功能?

我几乎没有使用udf，存储过程或类似的东西的经验，只是直接的SQL，所以请在解释太多的一边犯错:)

我在c#中有一对双属性，我想在SQL Server中存储这些表，但注意到没有双类型，所以最好使用什么，十进制或浮点数?

这将存储纬度和经度值，因此我需要最精确的精度。

谢谢你的回复。

在SQL Server 2005中，将所有字符字段设置为nvarchar(MAX)而不是显式指定长度(例如nvarchar(255))有什么缺点吗?(除了不能在数据库级别限制字段长度之外)

对于任何Keras层(层类)，有人能解释一下如何理解input_shape，单位，暗淡等之间的区别吗?

例如，文档说单位指定一个层的输出形状。

在神经网络的图像中，隐藏层1有4个单元。这是否直接转换为图层对象的单位属性?或者Keras中的单位是否等于隐藏层中每个权重的形状乘以单位的数量?

简而言之，如何理解/可视化模型的属性-特别是层-与下面的图像?

我试图调和我对lstm的理解，并在Christopher Olah在Keras中实现的这篇文章中指出。我正在关注Jason Brownlee写的关于Keras教程的博客。我最困惑的是，

将数据序列重塑为[样本，时间步长，特征]， 有状态lstm

让我们把注意力集中在上面两个问题上，参考下面粘贴的代码:

# reshape into X=t and Y=t+1
look_back = 3
trainX, trainY = create_dataset(train, look_back)
testX, testY = create_dataset(test, look_back)

# reshape input to be [samples, time steps, features]
trainX = numpy.reshape(trainX, (trainX.shape[0], look_back, 1))
testX = numpy.reshape(testX, (testX.shape[0], look_back, 1))
########################
# The IMPORTANT BIT
##########################
# create and fit the LSTM network
batch_size = 1
model = Sequential()
model.add(LSTM(4, batch_input_shape=(batch_size, look_back, 1), stateful=True))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
for i in range(100):
    model.fit(trainX, trainY, nb_epoch=1, batch_size=batch_size, verbose=2, shuffle=False)
    model.reset_states()

注意:create_dataset接受长度为N的序列，并返回一个N-look_back数组，其中每个元素都是一个长度为N的look_back序列。

什么是时间步长和特征?

可以看到，TrainX是一个三维数组，Time_steps和Feature分别是最后两个维度(在这个特定的代码中是3和1)。对于下图，这是否意味着我们正在考虑多对一的情况，其中粉色盒子的数量是3?或者它字面上的意思是链长为3(即只考虑3个绿色盒子)。

当我们考虑多元级数时，特征参数是否相关?例如，同时对两只金融股建模?

有状态LSTMs

有状态lstm是否意味着我们在批运行之间保存单元内存值?如果是这种情况，batch_size为1，并且在训练运行之间重置内存，那么说它是有状态的有什么意义呢?我猜这与训练数据没有被打乱有关，但我不确定是怎么回事。

任何想法吗? 图片参考:http://karpathy.github.io/2015/05/21/rnn-effectiveness/

编辑1:

@van关于红色和绿色盒子相等的评论有点困惑。为了确认，下面的API调用是否与展开的图表相对应?特别注意第二个图(batch_size是任意选择的):

编辑2:

如果你已经上过Udacity的深度学习课程，但仍然对time_step参数感到困惑，请查看下面的讨论:https://discussions.udacity.com/t/rnn-lstm-use-implementation/163169

更新:

原来model.add(timedidistributeddense (vocab_len))就是我要找的。这里有一个例子:https://github.com/sachinruk/ShakespeareBot

更新2:

我在这里总结了我对lstm的大部分理解:https://www.youtube.com/watch?v=ywinX5wgdEU

我在新的材质设计侧导航规范中看到，你可以在操作栏上方和状态栏后面显示抽屉。我如何实现这个?

我对数据表有一个问题。我也浏览了这个链接，但没有任何结果。我已经包括了将数据直接解析到DOM中的所有先决条件。

脚本

$(document).ready(function() {
  $('.viewCentricPage .teamCentric').dataTable({
    "bJQueryUI": true,
    "sPaginationType": "full_numbers",
    "bPaginate": false,
    "bFilter": true,
    "bSort": true,
    "aaSorting": [
      [1, "asc"]
    ],
    "aoColumnDefs": [{
      "bSortable": false,
      "aTargets": [0]
    }, {
      "bSortable": true,
      "aTargets": [1]
    }, {
      "bSortable": false,
      "aTargets": [2]
    }],
  });
});