问题标签 [ragged]

我正在尝试为初学者 Java 类编写一个具有规范的程序。代码如下。有一行没有在第一个内部编译大约 30 行，以便查看附近的第一个 do while 循环。

分数[i + 1][i] = input.nextDouble();

这正是这行代码。它不会编译，也不会给出任何错误，所以我不知道我做错了什么。我现在有点茫然，可以用第二双眼睛。只是为了解释我做错了什么，以便我可以修复它以及我应该如何识别它。

这些是本作业的规格 ******************************************* ******************************。菜单系统可以选择输入下一个学生的成绩。按下后，用户将输入该学生参加了多少次考试。然后程序将要求用户输入每个考试成绩。菜单将有一个选项显示学生的考试平均成绩。菜单将具有按考试显示考试平均值的选项。菜单将有一个选项来显示所有考试的当前班级平均值。****************************************************** ***********************。

我有一个包含六对 XY 数据的数据文件。我想在一个图形中绘制六个函数。但是当我这样做时，线条看起来有点参差不齐。

这是我的代码：

如您所见，背景无法控制地磨损。显然这种现象并没有出现在数据中，当我只绘制一个较小的扇区（例如 x1=25，x2=32）时，背景不会像这样磨损。

任何人都知道为什么会这样？

我有一个大型 h5py 文件，其中包含大型数据集中的几个参差不齐的数组。数组具有以下类型之一：

在一个 HDF5 组 (grp) 中，我创建了 N 个锯齿状项目的数据集，例如：

并使用长的 numpy 数组（通常为数亿）填充 d[0], d[1], ..., d[N-1]。

创建这些数组效果很好，我的问题与访问有关。如果我想从其中一个数组中访问一个切片，例如 d[0][5000:6000] 或 d[0][50, 89, 100]，那么内存使用量会飙升，我相信它正在读取在阵列的大部分区域；我可以很快看到物理内存使用量从 5-6 GB 上升到 32 GB（机器上的 RAM 大小）。p = d[0] 将整个数组读入内存，所以我认为这正在发生，然后它正在索引它。

有一个更好的方法吗？d[n] 的类型是一个 numpy 数组，我不能引用它。我怀疑我可以重组数据，以便为每个索引设置组，例如'0/predictions'、'1/predictions'，...，但如果有合理的情况，我宁愿不必转换它选择。

谢谢你，玛丽

我需要通过沿参差不齐的维度进行索引来获取参差不齐的张量中的值。一些索引有效 ( [:, :x],[:, -x:]或[:, x:y])，但不是直接索引 ( [:, x])：

该文档解释了为什么失败：

RaggedTensors 支持多维索引和切片，但有一个限制：不允许索引到参差不齐的维度。这种情况是有问题的，因为指示的值可能存在于某些行中但不存在于其他行中。在这种情况下，我们是否应该（1）引发 IndexError 并不明显；(2) 使用默认值；或 (3) 跳过该值并返回一个比我们开始时行数更少的张量。遵循 Python 的指导原则（“面对歧义，拒绝猜测的诱惑”），我们目前不允许这种操作。

这是有道理的，但我如何实际实现选项 1、2 和 3？我必须将参差不齐的数组转换为张量的 Python 数组，然后手动迭代它们吗？有没有更有效的解决方案？无需通过 Python 解释器就可以在 TensorFlow 图中 100% 工作？

我似乎无法弄清楚如何使用 tensorflow.js 创建一个参差不齐的张量。我在 api 文档中也找不到任何东西。

我正在制作一个简单的猫对狗 AI，并拥有不同大小的图像。我正在使用fs.readFileSync该方法获取缓冲区，toJson然后使用该data对象上的属性在我的训练数据中用作向量。因为图像不同，每个向量的大小都不同，因此需要不规则的张量。我已经尝试过使用null或NaN在我的形状中没有结果。

我对 tensorflow 也很陌生，所以欢迎提出任何建议。

这是我的代码：

我希望该函数返回一个参差不齐的张量，但它却抛出了这个错误：

如何从两个参差不齐的张量中选择随机条目？例如，

给我[1, 2, 3]and [10., 20., 30.], or [4, 5]and [40., 50.]. 但现在我想在 0 和返回列表的长度之间选择一个随机数，并从两个列表中获取相应的条目。然后我想批处理整个过程。

预先感谢您的帮助！

我正在尝试读取一个数据集，该数据集的行数不均匀（“参差不齐”）。我想省略这些行并阅读其余的行。是否有可能在熊猫中而不是将数据集分成单独的数据框并将它们组合起来？

我想计算批量张量的softmax_cross_entropy_with_logits。我有一批 logits 张量作为输入，但是我想在之前用布尔掩码屏蔽这个张量。布尔掩码也是一批掩码，每个掩码中可以有不同数量的True. 因此，将这个掩码应用于整个张量之后将不会变得密集。
尝试此方法可以使张量 ( tf.boolean_mask) 变平或创建一个参差不齐的 ( tf.ragged.boolean_mask)，这都会产生错误的结果或不适用于 softmax 函数。

所以基本上我想让以下代码工作：

但是tf.boolean_mask这样只产生一个值，而不是四个，并且tf.ragged.boolean_mask这个函数不起作用。

我尝试按行组合两个参差不齐的张量（第一个掩码 logits 行和第一个掩码标签行）并逐行计算 softmax。这不起作用，因为我使用的 tf.map_fn 不接受参差不齐的张量作为输入。我也用 SparseTensors 和张量列表（tf.split）尝试了同样的想法，但从来没有从中得到任何工作代码。

我必须解决这个问题的唯一想法是非常丑陋。tf.where用to替换所有掩码值，NaN然后在这些现在密集的张量上使用 map_fn。然后我可以再次屏蔽每一行以排除 NaN，现在可以再次逐行调用 softmax 函数。
编辑这是代码当前的样子：

这行得通，但速度很慢（我的训练时间几乎翻了一番）。

致那些感兴趣的人：我偶然发现了这个问题，试图掩盖强化学习中的有效行为。

你知道有什么方法可以做到这一点（更快）吗？你能用不影响softmax的值替换掩码值吗？谢谢！

Tensorflow 提供了参差不齐的张量（https://www.tensorflow.org/guide/ragged_tensor）。然而，PyTorch 不提供这样的数据结构。是否有一种解决方法可以在 PyTorch 中构建类似的东西？

我在这里关注 youtube上的观点，

它显示了代码

但它引发 ValueError 如下：

ValueError：张量转换请求的 dtype int32 用于带有 dtype 字符串的张量：

请问有什么问题吗？