问题标签 [ragged]

定义x为：

为什么这种正常的张量乘法适用于广播：

而这个张量参差不齐的不是？

如何让一维张量在二维不规则张量上广播？（我使用的是 TensorFlow 2.1。）

我正在尝试在 tensorflow 中自定义一个图层。该层必须将具有未知长度的参差不齐的张量作为输入。但是在尝试构建层时代码被卡住了。即使是下面附加的简单代码也无法正常工作。

我想要一个看起来像这样的数组，

我可以创建一个空数组，然后像这样一个一个地分配元素，

我想如果这可能的话，那么应该是这样：x = np.array(z, dtype=object)，但这让我得到了错误：ValueError: could not broadcast input array from shape (2,2) into shape (2)。

那么上面给出的方法是制作参差不齐的numpy数组的唯一方法吗？或者，我们可以调用一个很好的单行构造函数/函数来x从上面创建数组。

我收到了错误消息

我的 set_1 和 set_2 的类型如下

set_1 是参差不齐的张量，而 set_2 是张量，
因为

如果我没有更改new_boxes为ragged_tensor
我想找到两个 set_1 和 set_2 的交集，这将不起作用。
我应该如何解决它以及如何处理它？

给定输入掩码，其形状为 [batch size, no of timesteps]。由此，我需要收集 X 个形状 [batch size, timestep index, embedding size] 的嵌入，以便它们在每个 False 分组之前进行分组。

说批量大小为 1 的掩码是 T,T,T,F,F,F,F,|T,T,F,F,F,F,F 和 X=2（通过'|'，我假设break 表示行分割长度=7)，然后应该得到由索引 (1,2) (8, 9) 给出的连接嵌入列表。

当批次大小可变时，应该能够复制上述内容，而不必为每个批次单独进行，因为我的批次大小非常高。输出应该是 [ [ (1,2) , (.,.),.. 对于第一行拆分的其他批次 (0:7) ] , [ (8,9) , (.,.) 对于第二行的其他批次行拆分 (7:14)], ..]

我有几个要连接的 RaggedTensor；我正在使用 Keras。Vanilla Tensorflow 很乐意将它们连接起来，所以我尝试了代码：

但它给出了错误：

所以我尝试了：

但它给出了完全相同的错误，即使我已经包装了它。这是一个错误/有解决方法吗？

假设我们有一个参差不齐的嵌套序列，如下所示：

并希望在必要时创建一个完整 numpy的数组来广播参差不齐的子序列（以匹配任何其他子序列的最大维度，在这种情况下(10,20)）。首先，我们可能会尝试使用np.array(a)，这会产生警告：

VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray

通过更改为np.array(a, dtype=object)，我们确实得到了一个数组。但是，这是一个对象数组而不是浮点数，并且保留了未按需要广播的参差不齐的子序列。为了解决这个问题，我创建了一个新函数to_array，它采用（可能是参差不齐的、嵌套的）序列和一个形状并返回该形状的完整 numpy 数组：

请注意c，不是b，是期望的结果。但是，to_array依赖于nindex上的 for 循环，Python for 循环对于大数组来说很慢。

是否有替代的矢量化方法来编写to_array函数？

我正在尝试训练一个序列到序列的自动编码器。输入形状是[sample, time_step, input_dim]，每个样本的时间步长彼此不同。这是我的模型的实现：

我的初始数据是 Python 列表，格式为: [list(), list(), list()...]，其中每个列表list()都是一个序列并且具有 shape [time_step, input_dim]。我通过这个函数将数据转换为 Tensorflow RaggedTensor：

这是我的训练代码：

当我训练时，出现错误：

我假设错误是由于从 RaggedTensor 到 Tensor 的转换失败，从日志中您可以看到错误是在与损失和预测相关的函数中引起的：

所以我认为损失函数是以尝试转换y_pred为张量的方式实现的，因此不能使用 RaggedTensor 类型的输出（预测）。如果是这样的话，还有什么办法处理吗？

我有二维列表（列表列表）。我想从中创建 RaggedTensor。

但是这里没有从 python 列表创建 RaggedTensor 的方法。

怎么做 ？

我正在使用以下代码：

有没有更好的方法？