[Python] Hilo general

#1205 Revisa los headers y los payloads. Has hecho lo de copiar as cURL en el F12 en Chrome?

#1207

Te da:

curl "http://www.mediavida.com/" ^
  -H "authority: www.mediavida.com" ^
  -H "upgrade-insecure-requests: 1" ^
  -H "user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.121 Safari/537.36" ^
  -H "accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9" ^
  -H "sec-fetch-site: none" ^
  -H "sec-fetch-mode: navigate" ^
  -H "sec-fetch-user: ?1" ^
  -H "sec-fetch-dest: document" ^
  -H "accept-language: es-ES,es;q=0.9,en;q=0.8,ca;q=0.7,de;q=0.6" ^
  -H "cookie: __utzm=Rz.pA_5wZBASf8da5dededbb4ef176b" ^
  --compressed ^
  --insecure

Que mas o menos, te muestra todos los headers o payload necesario para la request. Tienes la response también.

Hola, yo tengo una duda sobre un uso de Python, decir que lo llevo usando 1 semana por lo que igual la duda es más que estúpida...jajajaja.

Os cuento, tengo que hacer un ejercicio en el que tengo que programar una función para calcular el hash de un fichero. Buscando información por internet solo me sale el hashlib, pero la cosa es que, cito textualmente el ejercicio: "Haciendo uso de la función hash MD5 de la librería “cryptography”, programa una función que calcule el hash MD5 de los ficheros(...)". Decir que es un ejercicio de la asignatura de criptografía.

No tengo ni idea de como hacerlo con la librería cryptography, ni la ruta en la que tengo que colocar el archivo que quiero analizar....voy muy perdido vaya.

Si alguien me echa una mano se lo agradecería!

Muchas gracias de antemano!

P.D: No he querido crear un tema porque igual es algo tan básico que no merece la pena.

#1212 https://cryptography.io/en/latest/hazmat/primitives/cryptographic-hashes/?highlight=Md5#md5

15 segundos

Alguien podría echarme una mano? Estoy definiendo una función para llamar a una red neuronal sencillita y me gustaría ver los diferentes resultados si varío los learnings rates.

Mi problema viene con el return de la función, no sé por qué me devuelve "y_hat" sin problema pero cuando intento llamar a "loss_array" o "accuracy_test" me salta con NameError: name 'loss_array' is not defined.

# if no activation function is specified: use relu
activation_func = activation_func or (lambda X: np.maximum(X, 0))
# if no activation function is specified: use relu
deriv_activation_func = deriv_activation_func or (lambda X: np.array(X > 0))

# Number of Input Features
num_features = X_train.shape[1]

# Number of Output labels (classes, e.g. different colors in plot above)
num_labels = Y_train.shape[1]

# Initialise weights and biases of layer 1
W_1 = np.random.normal(0, 1, [num_features, num_hidden_nodes])
B_1 = np.zeros((1, num_hidden_nodes))

# Initialise Weights and biases of layer 2
W_2 = np.random.normal(0, 1, [num_hidden_nodes, num_labels])
B_2 = np.zeros((1, num_labels))

# Initialise empty array to track the loss during training
loss_array = np.array([])
steps = range(num_steps)

for step in steps:

    # forward propagation
    # Calculating outputs of first (input) layer
    Z_1 = np.dot(X_train, W_1) + B_1

    # Calculating outputs of a hidden layer
    H_1 = relu_activation(Z_1)

    # Calculating outputs of the output layer
    Z_2 = np.dot(H_1, W_2) + B_2

    # Calculating output probabilities
    Y_hat = softmax(Z_2)
    
    # calc loss and add it to array
    loss = cross_entropy_softmax_loss_array(Y_hat, Y_train)
    loss_array = np.append(loss_array, loss)

    # Calculating the error
    err_Y_hat = (Y_hat - Y_train) / Y_hat.shape[0]
    err_H_1 = np.dot(err_Y_hat, W_2.T) * deriv_relu(Z_1)

    # Calculating the gradients - layer 2
    dW_2 = np.dot(H_1.T, err_Y_hat)
    dB_2 = np.sum(err_Y_hat, axis = 0, keepdims = True)

    # Calculating the gradients - layer 1
    dW_1 = np.dot(X_train.T, err_H_1)
    dB_1 = np.sum(err_H_1, axis = 0, keepdims = True)

    # Adjusting the weights and biases
    W_1 -= learning_rate * dW_1
    B_1 -= learning_rate * dB_1
    W_2 -= learning_rate * dW_2
    B_2 -= learning_rate * dB_2

    # print new loss
    if step % 500 == 0:
        print("Loss at step {0}: {1}".format(step, loss))


# Forward propagation for test data set
Z_1 = np.dot(X_test, W_1) + B_1
H_1 = relu_activation(Z_1)
scores = np.dot(H_1, W_2) + B_2
probs = softmax(scores)

# Calculate test accuracy
accuracy_test = accuracy(probs, Y_test)
print("Test accuracy: {0}%".format(accuracy_test))

return loss_array, accuracy_test, Y_hat[/spoiler]

#1219 El mismo error, no entiendo porque llamando a loss_array justo antes del return (dentro de la función) me devuelve su valor pero en cuanto lo hago fuera de la función que definí me da el error.

.

Me gustaría hacer un histograma interactivo que pudiera cambiar el número de bins. He visto que con Bokeh se debería porder hacer algo así. ¿Sabéis alguna otra manera de hacerlo o tiro por Bokeh?

Gracias!!

#1227 trabajo con ella en R y la recomiendo bastante la verdad.