Diskussion zum Artikel "Datenwissenschaft und ML (Teil 32): KI-Modelle auf dem neuesten Stand halten, Online-Lernen"
Hallo Omega J Msigwa
ich habe gefragt, welche Version von Python Sie für diesen Artikel verwenden. Ich habe sie installiert und es gibt einen Bibliothekskonflikt.
Der Konflikt wird verursacht durch:
Der Benutzer forderte protobuf==3.20.3
onnx 1.17.0 ist abhängig von protobuf>=3.20.2
onnxconverter-common 1.14.0 hängt von protobuf==3.20.2 ab
Dann habe ich die Version wie vorgeschlagen geändert und erhielt einen weiteren Installationsfehler.
Um dies zu beheben, könnte man versuchen:
1. den Bereich der Paketversionen, den Sie angegeben haben, zu lockern
2. Entfernen Sie die Paketversionen, damit pip versuchen kann, den Abhängigkeitskonflikt zu lösen.
Der Konflikt wird verursacht durch:
Der Benutzer forderte protobuf==3.20.2
onnx 1.17.0 hängt ab von protobuf>=3.20.2
onnxconverter-common 1.14.0 hängt ab von protobuf==3.20.2
tensorboard 2.18.0 hängt von protobuf ab!=4.24.0 und >=3.19.6
tensorflow-intel 2.18.0 hängt ab von protobuf!=4.21.0, !=4.21.1, !=4.21.2, !=4.21.3, !=4.21.4, !=4.21.5, <6.0.0dev und >=3.20.3
Um dies zu beheben, könnten Sie versuchen:
1. den Bereich der Paketversionen, den Sie angegeben haben, zu lockern
2. Entfernen Sie Paketversionen, damit pip versuchen kann, den Abhängigkeitskonflikt zu lösen.
Bitte geben Sie weitere Anweisungen
Hallo Omega J Msigwa
Ich habe gefragt, welche Version von Python Sie für diesen Artikel verwenden. Ich habe sie installiert und es gibt einen Bibliothekskonflikt.
Der Konflikt wird verursacht durch:
Der Benutzer forderte protobuf==3.20.3
onnx 1.17.0 hängt von protobuf>=3.20.2 ab
onnxconverter-common 1.14.0 hängt von protobuf==3.20.2 ab
Dann habe ich die Version wie vorgeschlagen geändert und erhielt einen weiteren Installationsfehler.
Um dies zu beheben, könnten Sie es versuchen:
1. den Bereich der Paketversionen, den Sie angegeben haben, zu lockern
2. Paketversionen zu entfernen, damit pip versuchen kann
den Abhängigkeitskonflikt zu lösen
Der Konflikt wird verursacht durch:
Der Benutzer forderte protobuf==3.20.2
onnx 1.17.0 hängt von protobuf>=3.20.2 ab
onnxconverter-common 1.14.0 hängt von protobuf==3.20.2 ab
tensorboard 2.18.0 hängt von protobuf!=4.24.0 und >=3.19.6 ab
tensorflow-intel 2.18.0 hängt ab von protobuf!=4.21.0, !=4.21.1, !=4.21.2, !=4.21.3, !=4.21.4, !=4.21.5, <6.0.0dev und >=3.20.3
Um das Problem zu beheben, könnten Sie Folgendes versuchen:
1. den Bereich der Paketversionen, den Sie angegeben haben, zu lockern
2. entfernen Sie Paketversionen, damit pip versuchen kann, den Abhängigkeitskonflikt zu lösen
Bitte geben Sie weitere Anweisungen
Hallo Omega J Msigwa
Ich habe gefragt, welche Version von Python Sie für diesen Artikel verwenden. Ich habe sie installiert und es gibt einen Bibliothekskonflikt.
Der Konflikt wird verursacht durch:
Der Benutzer forderte protobuf==3.20.3
onnx 1.17.0 ist abhängig von protobuf>=3.20.2
onnxconverter-common 1.14.0 hängt von protobuf==3.20.2 ab
Dann habe ich die Version wie vorgeschlagen geändert und erhielt einen weiteren Installationsfehler.
Um dies zu beheben, könnten Sie es versuchen:
1. den Bereich der Paketversionen, den Sie angegeben haben, zu lockern
2. entfernen Sie Paketversionen, damit pip versuchen kann, den Abhängigkeitskonflikt zu lösen
Der Konflikt wird verursacht durch:
Der Benutzer forderte protobuf==3.20.2
onnx 1.17.0 hängt von protobuf>=3.20.2 ab
onnxconverter-common 1.14.0 hängt von protobuf==3.20.2 ab
tensorboard 2.18.0 hängt von protobuf!=4.24.0 und >=3.19.6 ab
tensorflow-intel 2.18.0 hängt ab von protobuf!=4.21.0, !=4.21.1, !=4.21.2, !=4.21.3, !=4.21.4, !=4.21.5, <6.0.0dev und >=3.20.3
Um das Problem zu beheben, könnten Sie Folgendes versuchen:
1. den Bereich der Paketversionen, den Sie angegeben haben, zu lockern
2. Entfernen Sie Paketversionen, damit pip versuchen kann, den Abhängigkeitskonflikt zu lösen
Bitte geben Sie weitere Anweisungen
numpy==1.23.5
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Datenwissenschaft und ML (Teil 32): KI-Modelle auf dem neuesten Stand halten, Online-Lernen :
Das maschinelle Online-Lernen ist eine Methode des maschinellen Lernens, bei der das Modell schrittweise aus einem Strom von Datenpunkten in Echtzeit lernt. Es handelt sich um einen dynamischen Prozess, der seinen Vorhersagealgorithmus im Laufe der Zeit anpasst, sodass sich das Modell mit dem Eintreffen neuer Daten ändern kann. Diese Methode ist in sich schnell entwickelnden, datenreichen Umgebungen, wie z. B. beim Handel mit Daten, von großer Bedeutung, da sie zeitnahe und genaue Vorhersagen liefern kann.
Bei der Arbeit mit den Handelsdaten ist es immer schwierig, den richtigen Zeitpunkt für die Aktualisierung Ihrer Modelle zu bestimmen. Wenn Sie beispielsweise KI-Modelle für Bitcoin im letzten Jahr trainiert haben, könnten sich die jüngsten Informationen als Ausreißer für ein maschinelles Lernmodell erweisen, wenn man bedenkt, dass diese Kryptowährung erst letzte Woche den neuen Höchstpreis erreicht hat.
Im Gegensatz zu Forex-Instrumenten, die in der Regel nach oben und unten innerhalb bestimmter Bereiche historisch, Instrumente wie NASDAQ 100, S & P 500 und andere ihrer Art und Aktien in der Regel neigt dazu, zu erhöhen und erreichen neue Spitzenwerte.
Autor: Omega J Msigwa