get_ipython().run_line_magic('matplotlib', 'inline')如何改成在pycharm中使用

时间: 2023-12-29 08:02:40 浏览: 388
GZ

ipython-6.3.0.tar.gz

在 PyCharm 中，可以使用 `matplotlib.pyplot` 模块的 `show()` 函数来显示图形，无需像在 Jupyter Notebook 中使用魔法命令 `%matplotlib inline`。 将 `get_ipython().run_line_magic('matplotlib', 'inline')` 替换为以下代码： ```python import matplotlib.pyplot as plt plt.show() ``` 这将确保在 PyCharm 中显示图形。请确保在 PyCharm 中安装了 matplotlib 库。
阅读全文

相关推荐

-

FGPU_IPython在Xilinx ZC706上的应用与演示

资源摘要信息:"FGPU_IPython是一个在Xilinx ZC706上使用PYNQ库对FGPU进行编程和操作的演示项目。FGPU是一种软GPU架构，能够被编程为执行并行处理任务，尤其适合整数计算，而且可以根据不同应用需求进行定制。FGPU的...
-

Python库ssb_ipython_kernels 0.3.2版本下载

开发者在后端开发中使用Python可以提高开发效率，降低代码复杂性，并利用大量现成的库来简化开发工作。 知识点七：版本管理与维护 在软件开发中，版本管理是一个重要的环节。它不仅关系到代码的组织和协作，还影响...

get_ipython().run_line_magic('matplotlib', 'inline')

It is a magic command that tells Jupyter to use a specific backend for rendering plots, in this case, the inline backend. This allows users to quickly and easily create and visualize data without ...

get_ipython().run_line_magic('matplotlib', 'inline')是什么意思

这是一行特殊的代码，用于在Jupyter Notebook或JupyterLab中嵌入Matplotlib图形，以便在Notebook中直接显示图形，而不是在外部窗口中打开。运行“%matplotlib inline”命令后，所有的Matplotlib图形都将直接嵌入到...

为什么要用get_ipython().run_line_magic(‘matplotlib’，'inline')

使用 get_ipython().run_line_magic('matplotlib', 'inline') 命令可以在 Jupyter Notebook 中内嵌 Matplotlib 图表，并在每个代码块下直接显示图形输出，而不必调用 plt.show() 命令显示图像。这样可以使得数据...

get_ipython().run_line_magic('matplotlib', 'inline')这句话报错

这个错误通常是因为你正在尝试在非 IPython 环境中运行 IPython 魔术命令 %matplotlib inline。IPython 魔术命令只在 IPython 环境中有效。 如果你是在一个普通的 Python 脚本中运行这段代码，你可以尝试使用其他...

import pandas as pd import spacy from IPython import get_ipython nlp = spacy.load("en_core_web_sm") from spacy.matcher import Matcher import networkx as nx import matplotlib.pyplot as plt from tqdm import tqdm pd.set_option('display.max_colwidth', 200) get_ipython().run_line_magic('matplotlib', 'inline')

- Matcher：用于在文本中进行模式匹配的模块； - networkx：用于图论分析和可视化的库； - matplotlib：用于数据可视化的库； - tqdm：用于在循环中显示进度条的库。 这些库和模块的导入表明了这段代码可能是用于 ...

get_ipython().run_line_magic

get_ipython().run_line_magic 是 IPython 的一个内置函数，用于运行魔法命令。魔法命令是一种特殊的命令，可以在 IPython 中使用，以执行一些特殊的任务或访问特殊的功能。 下面是一个示例，在 IPython 中使用 ...

get_ipython().run_line_magic('matplotlib', 'inline') matplotlib.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False df = pd.read_csv('mafs.csv') df.head()

具体来说，%matplotlib inline命令是用来在Jupyter Notebook或者JupyterLab中显示Matplotlib生成的图形，而matplotlib.rcParams则是用来设置Matplotlib的一些参数，比如字体。接下来的代码是用pandas库来读取名为...
zip

Richly_formatted_data_tables_in_IPython_ipy_table.zip

Richly_formatted_data_tables_in_IPython_ipy_table

ModuleNotFoundError Traceback (most recent call last) Cell In[19], line 1 ----> 1 get_ipython().run_line_magic('matplotlib', 'inline') 2 import matplotlib.pyplot as plt 3 # Mac 设置显示中文 File D:\anaconda3\envs\test02\lib\site-packages\IPython\core\interactiveshell.py:2414, in InteractiveShell.run_line_magic(self, magic_name, line, _stack_depth) 2412 kwargs['local_ns'] = self.get_local_scope(stack_depth) 2413 with self.builtin_trap: -> 2414 result = fn(*args, **kwargs) 2416 # The code below prevents the output from being displayed 2417 # when using magics with decodator @output_can_be_silenced 2418 # when the last Python token in the expression is a ';'. 2419 if getattr(fn, magic.MAGIC_OUTPUT_CAN_BE_SILENCED, False): File D:\anaconda3\envs\test02\lib\site-packages\IPython\core\magics\pylab.py:99, in PylabMagics.matplotlib(self, line) 97 print("Available matplotlib backends: %s" % backends_list) 98 else: ---> 99 gui, backend = self.shell.enable_matplotlib(args.gui.lower() if isinstance(args.gui, str) else args.gui) 100 self._show_matplotlib_backend(args.gui, backend) File D:\anaconda3\envs\test02\lib\site-packages\IPython\core\interactiveshell.py:3585, in InteractiveShell.enable_matplotlib(self, gui) 3564 def enable_matplotlib(self, gui=None): 3565 """Enable interactive matplotlib and inline figure support. 3566 3567 This takes the following steps: (...) 3583 display figures inline. 3584 """ -> 3585 from matplotlib_inline.backend_inline import configure_inline_support 3587 from IPython.core import pylabtools as pt 3588 gui, backend = pt.find_gui_and_backend(gui, self.pylab_gui_select) File D:\anaconda3\envs\test02\lib\site-packages\matplotlib_inline\__init__.py:1 ----> 1 from . import backend_inline, config # noqa 2 __version__ = "0.1.6" File D:\anaconda3\envs\test02\lib\site-packages\matplotlib_inline\backend_inline.py:6 1 """A matplotlib backend for publishing figures via display_data""" 3 # Copyright (c) IPython Development Team. 4 # Distributed under the terms of the BSD 3-Clause License. ----> 6 import matplotlib 7 from matplotlib import colors 8 from matplotlib.backends import backend_agg ModuleNotFoundError: No module named 'matplotlib' 这个怎么修改

你需要在你的环境中安装 matplotlib 才能解决这个问题。 你可以使用以下命令来安装 matplotlib 模块： python !pip install matplotlib 安装完成后，你就可以再次尝试运行你的代码了。

Matplotlib support failed Traceback (most recent call last): File "D:\code\PyCharm Community Edition 2021.3\plugins\python-ce\helpers\pydev\_pydev_bundle\pydev_import_hook.py", line 25, in do_import succeeded = activate_func() File "D:\code\PyCharm Community Edition 2021.3\plugins\python-ce\helpers\pydev\_pydev_bundle\pydev_code_executor.py", line 29, in <lambda> "matplotlib": lambda: activate_matplotlib(self.enableGui), File "D:\code\PyCharm Community Edition 2021.3\plugins\python-ce\helpers\pydev\pydev_ipython\matplotlibtools.py", line 110, in activate_matplotlib gui, backend = find_gui_and_backend() File "D:\code\PyCharm Community Edition 2021.3\plugins\python-ce\helpers\pydev\pydev_ipython\matplotlibtools.py", line 47, in find_gui_and_backend backend = matplotlib.rcParams['backend'] File "D:\code\myworld\lib\site-packages\matplotlib\__init__.py", line 774, in __getitem__ plt.switch_backend(rcsetup._auto_backend_sentinel) File "D:\code\myworld\lib\site-packages\matplotlib\pyplot.py", line 256, in switch_backend switch_backend(candidate) File "D:\code\myworld\lib\site-packages\matplotlib\pyplot.py", line 331, in switch_backend manager_pyplot_show = vars(manager_class).get("pyplot_show") TypeError: vars() argument must have __dict__ attribute

如果你在使用 Jupyter Notebook 等交互式环境，还需要确保 Matplotlib 已正确配置以在该环境中使用。 以下是一些可能有用的步骤： 1. 确认已正确安装 Matplotlib。你可以通过在 Python 中运行以下命令来检查： ...

deprecationwarning: set_matplotlib_formats is deprecated since ipython 7.23, directly use matplotlib_inline.backend_inline.set_matplotlib_formats() display.set_matplotlib_formats('svg')

警告：set_matplotlib_formats自ipython 7.23版本起已被弃用，请直接使用matplotlib_inline.backend_inline.set_matplotlib_formats()，并使用display.set_matplotlib_formats('svg')来设置SVG格式。

matplotlib_inline.backend_inline.set_matplotlib_formats()

当你在这样的环境中使用 plt.show() 显示图像时，这个函数会指定将图片保存为哪种格式（如 PNG、SVG 等），以便直接显示在 notebook 的输出细胞中，而不是作为一个独立的文件。 调用这个函数通常发生在导入 ...

use_cuda = torch.cuda.is_available() FloatTensor = torch.cuda.FloatTensor if use_cuda else torch.FloatTensor device = torch.device("cpu") #使用GPU进行训练 from torch.autograd import Variable from replay_buffer import ReplayMemory, Transition # set up matplotlib is_ipython = 'inline' in matplotlib.get_backend() if is_ipython: from IPython import display #plt.ion() use_cuda = torch.cuda.is_available() FloatTensor = torch.cuda.FloatTensor if use_cuda else torch.FloatTensor device = torch.device("cpu")把这段代码改成CPU训练

is_ipython = 'inline' in matplotlib.get_backend() if is_ipython: from IPython import display # 定义FloatTensor FloatTensor = torch.FloatTensor # 创建replay buffer memory = ReplayMemory(10000) # 将...

Traceback (most recent call last): File "D:\Anaconda\lib\site-packages\IPython\core\interactiveshell.py", line 3369, in run_code exec(code_obj, self.user_global_ns, self.user_ns) File "<ipython-input-6-b8424bd64091>", line 2, in <cell line: 2> import torchvision File "D:\Pycharm\PyCharm Community Edition 2022.1.3\plugins\python-ce\helpers\pydev\_pydev_bundle\pydev_import_hook.py", line 21, in do_import module = self._system_import(name, *args, **kwargs) File "D:\Anaconda\lib\site-packages\torchvision\__init__.py", line 6, in <module> from torchvision import datasets, io, models, ops, transforms, utils File "D:\Pycharm\PyCharm Community Edition 2022.1.3\plugins\python-ce\helpers\pydev\_pydev_bundle\pydev_import_hook.py", line 21, in do_import module = self._system_import(name, *args, **kwargs) File "D:\Anaconda\lib\site-packages\torchvision\models\__init__.py", line 17, in <module> from . import detection, optical_flow, quantization, segmentation, video File "D:\Pycharm\PyCharm Community Edition 2022.1.3\plugins\python-ce\helpers\pydev\_pydev_bundle\pydev_import_hook.py", line 21, in do_import module = self._system_import(name, *args, **kwargs) File "D:\Anaconda\lib\site-packages\torchvision\models\quantization\__init__.py", line 3, in <module> from .mobilenet import * File "D:\Pycharm\PyCharm Community Edition 2022.1.3\plugins\python-ce\helpers\pydev\_pydev_bundle\pydev_import_hook.py", line 21, in do_import module = self._system_import(name, *args, **kwargs) File "D:\Anaconda\lib\site-packages\torchvision\models\quantization\mobilenet.py", line 1, in <module> from .mobilenetv2 import * # noqa: F401, F403 File "D:\Pycharm\PyCharm Community Edition 2022.1.3\plugins\python-ce\helpers\pydev\_pydev_bundle\pydev_import_hook.py", line 21, in do_import module = self._system_import(name, *args, **kwargs) File "D:\Anaconda\lib\site-packages\torchvision\models\quantization\mobilenetv2.py", line 5, in <module> from torch.ao.quantization import DeQuantStub, QuantStub File "D:\Pycharm\PyCharm Community Edition 2022.1.3\plugins\python-ce\helpers\pydev\_pydev_bundle\pydev_import_hook.py", line 21, in do_import module = self._system_import(name, *args, **kwargs) ModuleNotFoundError: No module named 'torch.ao.quantization'

可以使用以下命令升级 torchvision： pip install --upgrade torchvision 这将安装 torchvision 的最新版本，其中包含了与你安装的最新 torch 版本兼容的功能和修复。如果问题仍然存在，请确保你安装的 ...

module 'IPython.display' has no attribute 'matplotlib_inline'

所以可能出现"module 'IPython.display' has no attribute 'matplotlib_inline'"的错误是因为你在Pycharm中使用了IPython的内置magic函数。在Pycharm中，你可以尝试使用其他方式来显示matplotlib图形，比如使用plt....

Traceback (most recent call last): File "E:\Duzhuan\anaconda\lib\site-packages\IPython\core\interactiveshell.py", line 3460, in run_code exec(code_obj, self.user_global_ns, self.user_ns) File "<ipython-input-2-eadcdc23616b>", line 1, in <module> runfile('C:\\Users\\zhangxiao\\Desktop\\Algorithm Integration\\d_1.py', wdir='C:\\Users\\zhangxiao\\Desktop\\Algorithm Integration') File "E:\Duzhuan\JetBrainsPyCharm 2023.1\PyCharm 2023.1\plugins\python\helpers\pydev\_pydev_bundle\pydev_umd.py", line 198, in runfile pydev_imports.execfile(filename, global_vars, local_vars) # execute the script File "E:\Duzhuan\JetBrainsPyCharm 2023.1\PyCharm 2023.1\plugins\python\helpers\pydev\_pydev_imps\_pydev_execfile.py", line 18, in execfile exec(compile(contents+"\n", file, 'exec'), glob, loc) File "C:\Users\zhangxiao\Desktop\Algorithm Integration\d_1.py", line 119, in <module> success_rate = cuckoo_search() File "C:\Users\zhangxiao\Desktop\Algorithm Integration\d_1.py", line 112, in cuckoo_search known_node_positions = np.concatenate((known_node_positions, np.array(unknown_node_positions)), axis=0)

在代码中添加一个检查条件来过滤掉未知节点的位置为None的情况。请将以下代码替换到你的cuckoo_search函数中： python # 将未知节点的位置合并到已知节点的位置中 unknown_node_positions = [position for ...
-

PyCharm中禁用IPython Console与PyDev操作指南

在PyCharm中，有时候用户可能会遇到一个不便之处，那就是默认情况下，安装了Jupyter Notebook之后，PyCharm会将Python脚本的运行关联到IPython console（即PyDev的调试器），这导致每次运行时console界面充斥着不必...

最新推荐

recommend-type

Matplotlib中%matplotlib inline如何使用

接着，在代码的开头输入 `%matplotlib inline`，这行代码告诉IPython在接下来的绘图操作中使用内联模式。例如： ```python %matplotlib inline ``` 然后，你可以使用Matplotlib的API进行绘图，例如绘制一条简单的...
recommend-type

解决Matplotlib图表不能在Pycharm中显示的问题

首先，当我们使用IPython时，可以通过`%matplotlib inline`这个Magic Function来使图表在当前的Jupyter Notebook或IPython会话中直接显示。然而，在PyCharm中，由于它不是一个交互式环境，所以不支持这种Magic ...
recommend-type

在PyCharm下使用 ipython 交互式编程的方法

在PyCharm中使用IPython进行交互式编程是一种高效且灵活的开发方式，特别是对于Python开发者来说，可以方便地测试代码片段，查看中间结果，以及进行调试。IPython相较于标准的Python shell提供了更多的功能和便利性...
recommend-type

毕设和企业适用springboot企业数据管理平台类及跨境电商管理平台源码+论文+视频.zip

毕设和企业适用springboot企业数据管理平台类及跨境电商管理平台源码+论文+视频
recommend-type

Windows平台下的Fastboot工具使用指南

资源摘要信息:"Windows Fastboot.zip是一个包含了Windows环境下使用的Fastboot工具的压缩文件。Fastboot是一种在Android设备上使用的诊断和工程工具，它允许用户通过USB连接在设备的bootloader模式下与设备通信，从而可以对设备进行刷机、解锁bootloader、安装恢复模式等多种操作。该工具是Android开发者和高级用户在进行Android设备维护或开发时不可或缺的工具之一。" 知识点详细说明: 1. Fastboot工具定义： Fastboot是一种与Android设备进行交互的命令行工具，通常在设备的bootloader模式下使用，这个模式允许用户直接通过USB向设备传输镜像文件以及其他重要的设备分区信息。它支持多种操作，如刷写分区、读取设备信息、擦除分区等。 2. 使用环境： Fastboot工具原本是Google为Android Open Source Project（AOSP）提供的一个组成部分，因此它通常在Linux或Mac环境下更为原生。但由于Windows系统的普及性，许多开发者和用户需要在Windows环境下操作，因此存在专门为Windows系统定制的Fastboot版本。 3. Fastboot工具的获取与安装： 用户可以通过下载Android SDK平台工具（Platform-Tools）的方式获取Fastboot工具，这是Google官方提供的一个包含了Fastboot、ADB（Android Debug Bridge）等多种工具的集合包。安装时只需要解压到任意目录下，然后将该目录添加到系统环境变量Path中，便可以在任何位置使用Fastboot命令。 4. Fastboot的使用： 要使用Fastboot工具，用户首先需要确保设备已经进入bootloader模式。进入该模式的方法因设备而异，通常是通过组合特定的按键或者使用特定的命令来实现。之后，用户通过运行命令提示符或PowerShell来输入Fastboot命令与设备进行交互。常见的命令包括： - fastboot devices：列出连接的设备。 - fastboot flash [partition] [filename]：将文件刷写到指定分区。 - fastboot getvar [variable]：获取指定变量的值。 - fastboot reboot：重启设备。 - fastboot unlock：解锁bootloader，使得设备能够刷写非官方ROM。 5. Fastboot工具的应用场景： - 设备的系统更新或刷机。 - 刷入自定义恢复（如TWRP）。 - 在开发阶段对设备进行调试。 - 解锁设备的bootloader，以获取更多的自定义权限。 - 修复设备，例如清除用户数据分区或刷写新的boot分区。 - 加入特定的内核或修改系统分区。 6. 注意事项： 在使用Fastboot工具时需要格外小心，错误的操作可能会导致设备变砖或丢失重要数据。务必保证操作前已备份重要数据，并确保下载和刷入的固件是针对相应设备的正确版本。此外，不同的设备可能需要特定的驱动程序支持，因此在使用Fastboot之前还需要安装相应的USB驱动。 7. 压缩包文件说明： 资源中提到的"windows-fastboot.zip"是一个压缩文件，解压后应当包含一个或多个可执行文件、库文件等，这些文件合起来组成了Fastboot工具的Windows版本。解压后，用户应当参考解压后的文档或说明文件来进行安装和配置，以便能够正确地使用该工具。 总结而言，Fastboot作为一个功能强大的工具，它为Android设备的开发者和高级用户提供了一个界面简洁但功能全面的操作平台，以实现对设备深层次的控制。然而，它的使用要求用户具备一定的技术知识和经验，否则不当操作可能导致设备损坏。因此，使用Fastboot时应当谨慎并确保自己了解每个命令的具体含义和后果。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

DLMS规约深度剖析：从基础到电力通信标准的全面掌握

![DLMS规约基础介绍](https://afteracademy.com/images/what-is-data-model-in-dbms-and-what-are-its-types-hierarchical-model-48add64778fd4b8f.jpg) # 摘要 DLMS/COSEM是一种广泛应用于智能电网和电力计量领域的通信协议。本文首先介绍了DLMS规约的基础概念、起源以及核心技术原理，包括协议架构、数据模型、通信过程、数据封装与传输机制。随后，文章探讨了DLMS规约在电力通信中的实际应用，如智能电表和电网自动化系统的数据通信，并分析了DLMS规约的测试与验证方法。文
recommend-type

修改代码，使其正确运行

要使提供的代码能够正确运行，需要解决以下几个关键点： 1. **输入处理**：确保从控制台读取的文法规则和待解析字符串格式正确。 2. **FIRST集和FOLLOW集计算**：确保FIRST集和FOLLOW集的计算逻辑正确无误。 3. **预测分析表构建**：确保预测分析表的构建逻辑正确，并且能够处理所有可能的情况。 4. **LL(1)分析器**：确保LL(1)分析器能够正确解析输入字符串并输出解析过程。 以下是经过修改后的完整代码： ```java package com.example.demo10; import java.util.*; public class Main
recommend-type

Python机器学习基础入门与项目实践

资源摘要信息:"机器学习概述与Python在机器学习中的应用" 机器学习是人工智能的一个分支，它让计算机能够通过大量的数据学习来自动寻找规律，并据此进行预测或决策。机器学习的核心是建立一个能够从数据中学习的模型，该模型能够在未知数据上做出准确预测。这一过程通常涉及到数据的预处理、特征选择、模型训练、验证、测试和部署。 机器学习方法主要可以分为监督学习、无监督学习、半监督学习和强化学习。 监督学习涉及标记好的训练数据，其目的是让模型学会从输入到输出的映射。在这个过程中，模型学习根据输入数据推断出正确的输出值。常见的监督学习算法包括线性回归、逻辑回归、支持向量机（SVM）、决策树、随机森林和神经网络等。 无监督学习则是处理未标记的数据，其目的是探索数据中的结构。无监督学习算法试图找到数据中的隐藏模式或内在结构。常见的无监督学习算法包括聚类、主成分分析（PCA）、关联规则学习等。 半监督学习和强化学习则是介于监督学习和无监督学习之间的方法。半监督学习使用大量未标记的数据和少量标记数据进行学习，而强化学习则是通过与环境的交互来学习如何做出决策。 Python作为一门高级编程语言，在机器学习领域中扮演了非常重要的角色。Python之所以受到机器学习研究者和从业者的青睐，主要是因为其丰富的库和框架、简洁易读的语法以及强大的社区支持。 在Python的机器学习生态系统中，有几个非常重要的库： 1. NumPy：提供高性能的多维数组对象，以及处理数组的工具。 2. Pandas：一个强大的数据分析和操作工具库，提供DataFrame等数据结构，能够方便地进行数据清洗和预处理。 3. Matplotlib：一个用于创建静态、动态和交互式可视化的库，常用于生成图表和数据可视化。 4. Scikit-learn：一个简单且高效的工具，用于数据挖掘和数据分析，支持多种分类、回归、聚类算法等。 5. TensorFlow：由Google开发的开源机器学习库，适用于大规模的数值计算，尤其擅长于构建和训练深度学习模型。 6. Keras：一个高层神经网络API，能够使用TensorFlow、CNTK或Theano作为其后端进行计算。 机器学习的典型工作流程包括数据收集、数据预处理、特征工程、模型选择、训练、评估和部署。在这一流程中，Python可以贯穿始终，从数据采集到模型部署，Python都能提供强大的支持。 由于机器学习的复杂性，一个成功的机器学习项目往往需要跨学科的知识，包括统计学、数学、计算机科学、数据分析等领域。因此，掌握Python及其相关库的使用只是机器学习工作的一部分，还需要有扎实的理论基础和实践经验。 总结来说，机器学习是一个涉及数据挖掘、统计分析、算法优化等多个领域的综合性科学。Python由于其简洁的语法、丰富的库支持和强大的社区力量，成为了进行机器学习研究和应用开发的首选语言。随着技术的不断进步和算法的持续优化，机器学习的应用领域也在不断扩大，从早期的搜索引擎、推荐系统到现代的自动驾驶、医疗诊断等领域都有着广泛的应用。
recommend-type

"互动学习：行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动，互动学习以行动为中心的强化学习学会互动，互动学习，以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授：智囊团论文联合主任菲利普·普雷教授，大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授，Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士，Deepmind对于那些及时看到自己错误的人...3谢谢你首先，我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔，"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲，你知道在这篇论文的（许多）错误中，你是我可以依