问题标签 [ragged]

我需要在 Python 中创建一个参差不齐的二维网格，它有 3 行，其中第一行有 3 列，第 2 行 - 6 列，第 3 行 - 9 列。所有这些都应该在不使用任何包（如 NumPy 或其他任何包）的情况下完成，只需使用以下示例中的类和方法。这是我如何创建常规二维数组的示例

声明后打印出一个网格

我卡住了，不知道从哪里开始

在java中，我想创建并打印一个参差不齐的数组，用户首先必须输入行数，然后在每一行中，用户必须输入数字列，然后在每列中输入他想要的任何数字，直到他到达到他为每一行输入的数字，例如

在第一行，用户输入了4，所以他可以输入四个数字

在第二行，用户输入了2，所以他可以输入两个数字

在第三行，用户输入了6，因此他可以输入四个数字

之后它应该打印用户为每一行输入的数字以及他输入的任何内容（它应该打印上面的示例）

但由于某种原因使用我的代码

所有的输出都是零，但用户输入的第一件事的行数是正确的，所以我没有问题

所以不要有这样的输出

但我得到了这个输出

我整天都在寻找解决方案，但我没有找到任何东西，有人知道如何解决这个问题吗？

抱歉让你读了所有这些

我有以下内容tf.RaggedTensor rt：

这是密集版本：

我需要“ unnest”rt对此：

但我对tf.concat,tf.ragged.map_flat_values或的组合没有运气tf.squeeze。

有人知道答案吗？

我有一个参差不齐的尺寸张量[BATCH_SIZE, TIME_STEPS, EMBEDDING_DIM]。我想用另一个形状张量的数据来增加最后一个轴[BATCH_SIZE, AUG_DIM]。给定示例的每个时间步都会增加相同的值。

TIME_STEPS如果每个示例的张量都没有参差不齐，我可以简单地重塑第二个张量，tf.repeat然后使用tf.concat：

这在衣衫褴褛时不起作用，emb因为emb.shape[1]它是未知的并且因示例而异：

ValueError：尝试将具有不受支持的类型 (<class 'NoneType'>) 的值 (None) 转换为张量。

目标是创建一个参差不齐的张量emb_aug，如下所示：

有任何想法吗？

我想为我的分析实现一个增强的决策树。但是我的数组包含的条目长度不同，因此该数组不能直接转换为 numpy 或 pandas。

有什么方法可以使用带有尴尬数组的现有 ML 库？

我有一个 2D RaggedTensor，其中包含我想要的完整张量每一行的索引，例如：

进入

给

我怎样才能以最有效的方式实现这一点（最好只使用tf函数）？我相信像这样gather_nd的东西能够使用 RaggedTensors，但我无法弄清楚它是如何工作的。

x 是二维数组的列表，每个二维数组是一系列 6 元组。

我想将 x 转换为参差不齐的张量。我尝试 xrag = tf.ragged.constant(x)并

得到xrag，shape = (895, None, None)但它shape应该是(895, None, 6)。可以吗？或者如何改进？

以下代码创建了一个连接 2 个输入的虚拟模型。一个输入与输出大小为 5 的 Embedding 层一起使用，而第二个输入仅与 Embedding 层的输出合并：

该代码有效并产生以下结构：

但是，当添加ragged=True到我的输入时：

代码因以下错误而中断：

如何连接参差不齐的输入？我错过了什么？

我正在研究 PointNet++ 的实现，其中一个步骤是找到r围绕质心列表的半径中的所有点。我可以创建一个布尔掩码，判断每个点是否在r每个质心的单位内，但是当我尝试从该布尔掩码创建一个参差不齐的张量时，我的None维度比我应该的要多。

我有两个张量，x它们是点并且具有形状(batch_size,num_points,xyz_pos)，并且mask具有形状(batch_size,num_points,num_centroids)。(batch_size,centroids,(num_selected_points),xyz_pos)当我完成时，理想情况下我想要num_selected_points一个参差不齐的形状。目前，我正在尝试实现这一点，(num_centroids,batch_size,(num_selected_points),xyz_pos)因为该功能更简单，而且我在参差不齐的尺寸方面遇到了麻烦。

出于某种原因，我的代码导致(num_centroids,(batch_size),(num_selected_points),xyz_pos), 其中batch_size和num_selected_points都是参差不齐的尺寸。这对我来说似乎很奇怪，因为（如下面的代码所示），batch_size维度的长度是恒定的。这似乎是 TensorFlow 处理不规则张量的方式的副作用map_fn，但我不确定。我怎样才能确保只有一个维度 ( num_selected_points) 是参差不齐的，而所有其他维度都是不变的？

我可以像嵌套列表一样附加元素或以某种方式扩展不规则张量吗？

或者就此而言，任何张量都可以动态调整大小（而不是重塑）