这是由于elasticsearch版本更新导致的，elasticsearch更新到7之后，就没有了doc_type这个参数只需要在原来elasticsearch6代码的基础上删除doc_type这个即可。
分享：
许多年轻人开始做事时都非常狂热，但随着新鲜感的消失就把它们丢到了一边。他们没有稳定的兴趣，他们的工作也只是表面的现象。他们常常有很大潜能，但缺乏敬业精神和持之以恒习惯的培养。
如下图所示，报错为TypeError: JayChou() missing 1 required keyword-only argument: ‘c’
翻译过来是：TypeError:JayChou（）缺少1个仅限关键字的参数：“c”
报错代码：
#coding=utf-8
def JayChou(a, *b, c):
print(a)
print(b)
print(c)
JayChou(1, 555, 5768, 55451)
由上代码可知，我在不定长参数b后面加了一个c，出现在b后面应该是加了两个**号的以字典导入的参数。针对c的位置，有3种解决办法解决这个报错
3.问题定位：
先看报错代码：大概意思是， 传给优化器的learning_rate参数错误。
模型训练是在服务器Linux环境下进行的，之后在本地Windows（另一环境）继续跑代码，所以初步怀疑是keras版本不一致导致的。
Linux下keras版本为:
本地版本：
再结合大佬博客 解
%matplotlib inline
# Mention the file path to the dataset
path = "E:\\BCICIV_2b\\gdf_format\\"
filename = "B0302T"
raw = mne.io.read_raw_gdf(path+filename+".gdf")
出现下面问题
TypeError Traceback (most recent call last)
7 filename = "B0302T"
----> 9
TypeError MyFAISS.similarity_search_with_score_by_vector got unexpected keyword argument filter解决方案
本文主要介绍了TypeError: MyFAISS.similarity_search_with_score_by_vector() got an unexpected keyword argument 'filter’解决方案，希望能对使用faiss的同学们有所帮助。
1. 问题描述
2. 解决方案
locateonscreen 函数添加confidence参数后
报错，提示
TypeError: _locateAll_
python()
got an
unexpected keyword argument 'confidence‘
解决办法：
需要先安装opencv，
pip install opencv-
python
API文档：https://pyautogui.readthedocs.org
中文文档：https://muxuezi.github.io/posts/doc-pyautogui.html
源码：https://github.com/asweigart/pyautogui
使用方法API文档中介绍的比较详细，本文主要介绍安装和使用过程中遇到的错误。
1、pip install pyaut...
1、为了运行kNN搜索，我们需要把我们的数据转换成有意义的向量值。然后把向量值添加到文档的dense_
vector类型的字段里面。查询向量也需要有相同的维度
2、基于相似度来设计我们的向量，使与查询向量越接近的文档的向量其匹配越好
kNN方法：
ES支持两种kNN搜索的方法：
1、近似kNN:使用k
7-4 集合相似度 (25 分)
给定两个整数集合，它们的相似度定义为：Nc/Nt×100%。其中Nc是两个集合都有的不相等整数的个数，Nt是两个集合一共有的不相等整数的个数。你的任务就是计算任意一对给定集合的相似度。
输入格式：
输入第一行给出一个正整数N（≤50），是集合的个数。随后N行，每行对应一个集合。每个集合首先给出一个正整数M（≤104），是集合中元素的个数；然后跟M个[0,109]区间内的整数。
之后一行给出一个正整数K（≤2000），随后K行，每行对应一对需要计算相似度的集合
File “/home/xtu04/PycharmProjects/Keras-Semantic-Segmentation-master/utils/utils.py”, line 16, in cv2_letterbox_image
image = cv2.resize(image, (nw, nh), interpolation=cv2.INTER_CUBIC)
TypeError: ...
1. faiss作用
相似度检索TopK的问题一般的解决方案是暴力检索，循环遍历所有向量计算相似度然后得出TopK，但是当向量数量巨大时，这种方法及其耗时，Faiss的出现就很好地解决了这个问题。
2. faiss介绍
Faiss的全称是Facebook AI Similarity Search是FaceBook的AI团队针对大规模相似度检索问题开发的一个工具，使用C++编写，有python接口，对10亿量级的索引可以做到毫秒级检索的性能。Faiss的工作，就是把我们自己的候选向量集封装成一个index数据
这个错误通常是因为你使用了 NumPy 库中的 random() 函数时，传入了一个不被支持的参数 "axis"。NumPy 的 random() 函数没有 "axis" 这个参数，所以会抛出这个错误。
请检查你的代码中是否有类似下面的代码：
```python
import numpy as np
# 错误示例：传入了不支持的参数 "axis"
np.random.random(size=(3, 4), axis=1)
如果有，请将其改为：
```python
import numpy as np
# 正确示例：去掉不支持的参数 "axis"
np.random.random(size=(3, 4))
如果以上方法无法解决问题，请提供更多的代码和错误信息，以便更好地帮助你。
python报错系列(7)--ValueError: Expected more than 1 value perchannel when training, got input size ....
13165
