Nano Hash - криптовалюты, майнинг, программирование

Подавление сообщений об ошибках в Knitr

Интересно, как подавить сообщения об ошибках в knitr. Мой MWE ниже:

\documentclass{article} 
\begin{document}
<< Test >>=
1:10
X
@ 
\end{document}

Отредактировано

Объект X не существует. Я хочу показать X в своем фрагменте кода и также хочу его оценить, даже если это вызовет ошибку. Но не хочет показывать какие-либо ошибки в моем документе .tex так же, как мы можем подавить предупреждения, установив warning=FALSE.

27.07.2014

  • Да X не существует и выдаст ошибку. Я не хочу показывать какие-либо сообщения об ошибках в моем файле Knitr. 27.07.2014
  • Да, я хочу показать X в своем фрагменте кода и также хочу его оценить. Но не хочет показывать какие-либо ошибки, так как мы можем подавить предупреждения, установив warning=FALSE. 27.07.2014
  • Попробуйте error=FALSE, но ваша цель мне не совсем ясна. 27.07.2014
  • ОП просто хочет запустить код, не показывая ошибок, как это непонятно? 27.07.2014
  • Может показаться, что опция чанка include не работает, когда в чанке есть ошибка. Я надеюсь, что @Yihui вмешается, если можно предотвратить появление фрагмента в результате, несмотря ни на что. 27.07.2014

Ответы:


1

Ошибки имеют свою собственную выделенную функцию ловушки, хранящуюся в среде, к которой обращается knit_hooks$get(). Вот, для вашего просвещения, полный список этих функций:

names(knit_hooks$get())
# [1] "source"   "output"   "warning"  "message"  "error"    "plot"    
# [7] "inline"   "chunk"    "document"

Чтобы подавить предупреждения, просто перезапишите функцию обработчика ошибок по умолчанию на ту, которая принимает требуемые аргументы, но вообще ничего не возвращает.

\documentclass{article}
\begin{document}

<<setup, include=FALSE, cache=FALSE>>=
muffleError <- function(x,options) {}
knit_hooks$set(error=muffleError)
@

<<Test>>=
1:10
X
@
\end{document}

Что при компиляции дает следующее

введите здесь описание изображения

27.07.2014
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..