问题描述
我正在尝试使用 haskell 类，并且我发现（至少一些）Traversable 数据结构也是 applicative
当您查看 Traversable 的定义时，您会发现它可以使用 sequenceA 函数进行定义：
sequenceA :: (Traversable t,applicative f) => t (f a) -> f (t a)
由于 list 既是 Traversable 又是 applicative，我确实尝试在列表列表中使用 sequenceA：
-- this thing ...
sequenceA [[0,1],[7,8,9]]
-- is evaluated as [[0,7],[0,8],9],[1,9]]
我得到了 2 个列表的笛卡尔积！
它甚至适用于更多的列表。
这是怎么回事？
这个函数行为背后的直觉是什么？
解决方法
列表应用的直觉是非确定性计算。您可以将带有 n 个元素的 [X] 类型列表视为生成 X 的计算，它绝对是 n 中的一个该列表中包含的 X 选项，但其中任何一个都是可能的。
例如，列表 ['a','e'] 表示可能产生 'a' 或可能产生 'e' 的计算。列表 [-4,4] 可能是询问 16 的平方根的结果。列表 [] 是一个无法正确生成任何值的不确定计算！ （例如，询问 -16... 的实数平方根的结果）
在这种解释中，当我们有一个函数列表 fs 和一些值 xs 时，列表 fs <*> xs 是通过应用任何可能得到的所有可能结果的列表fs 中的函数到 xs 中的任何参数。同时，列表 pure x 是确定性计算，它总是只产生一个结果，即 x。
所以！如果您有一个嵌套列表，那么有多种替代方法可以考虑它的含义，包括它是一个非确定性计算的列表，或者它是一个生成列表作为其结果的非确定性计算。 sequenceA 函数在这些表示之间传送您：它采用非确定性计算的列表并生成单个非确定性计算，其结果是一个列表。所以：
[[a,b,c],[d,e],[f,g,h,i]]
您可以将其视为包含三个元素的列表。第一个是在a、b和c之间的选择，第二个是在d和e之间的选择，第三个是在f和g之间的选择h、i、sequenceA 和 [a,c]。 [d,e] 函数将产生一个不确定的列表选择，每个列表的形状与上面的外部列表相同；也就是说，我们在其中选择的每个列表的长度为 3。第一个元素将来自 [f,i];第二个来自 UserPicture.objects.create(user=request.user,picture=image)，第三个来自class VideoCamera(object):
def __init__(self):
self.video = cv2.VideoCapture(0,cv2.CAP_DSHOW)
def __del__(self):
self.video.release()
def create_facial_boundary(self,image,cascadeClassifier,color,emotion):
grayScaled = cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
face = cascadeClassifier.detectMultiScale(grayScaled,1.1,10)
coords = []
for (x,y,w,h) in face:
cv2.rectangle(image,(x,y),(x + w,y + h),color)
roi_gray = grayScaled[y : y+h,x: x+w]
cv2.putText(image,emotion,y-4),cv2.FONT_HERSHEY_PLAIN,2,(255,255,255))
coords = [x,h]
self.update_time()
return coords,image
def detect_face(self,cascadeClassifier):
color = {"green" : (0,145,25)}
coords,image = self.create_facial_boundary(image,color["green"],"ExText")
image = cv2.flip(image,1)
return image
def update_time(self):
time.sleep(5)
def get_user_face(self):
success,frame = self.video.read()
# img_file = "User-Face.jpg"
frame = self.detect_face(frame,cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'))
new_frame = cv2.flip(frame,1)
_,image = cv2.imencode(".jpg",new_frame)
return image
def get_user_emotion():
pass
def get_frame(self):
success,frame = self.video.read()
image_flip = cv2.flip(frame,1)
ret,jpeg = cv2.imencode('.jpg',image_flip)
return jpeg.tobytes()
def gen(camera):
while True:
frame = camera.get_frame()
yield (b'--frame\r\n'b'Content-Type: image/jpeg\r\n\r\n' + frame + b'\r\n\r\n')
def get_image(camera):
image = camera.get_user_face()
return image
def video_feed(request):
while True:
return StreamingHttpResponse(gen(VideoCamera()),content_type='multipart/x-mixed-replace; boundary=frame')
。如果您仔细考虑一下可能发生的所有方式，您会发现这正是他们的笛卡尔积！