水滴保险官方网站国内外ai设计素材网站

水滴保险官方网站,国内外ai设计素材网站,机械网站案例,做衣服的3d软件零基础吃透#xff1a;RaggedTensor的索引与切片#xff08;规则示例限制#xff09; 核心原则 RaggedTensor 完全支持 Python风格的多维索引/切片#xff0c;但遵循一个核心限制#xff1a; ✅ 允许对「均匀维度#xff08;最外层#xff0c;行数固定#xff09;」做任…零基础吃透RaggedTensor的索引与切片规则示例限制核心原则RaggedTensor 完全支持Python风格的多维索引/切片但遵循一个核心限制✅ 允许对「均匀维度最外层行数固定」做任意索引/切片✅ 允许对「不规则维度行内可变长度」做切片如取前N个、最后N个元素❌ 禁止对「不规则维度做固定位置索引」如强行取所有行的第3个元素—— 因行长度不同部分行无该位置TF无法确定处理逻辑报错/补默认值/删行均不明确。前置准备可运行代码importtensorflowastf# 二维RaggedTensor文本序列queriestf.ragged.constant([[Who,is,George,Washington],# 行04个元素[What,is,the,weather,tomorrow],# 行15个元素[Goodnight]])# 行21个元素# 三维RaggedTensor嵌套数值序列rt_3dtf.ragged.constant([[[1,2,3],[4]],# 行02个子列表[[5],[],[6]],# 行13个子列表[[7]],# 行21个子列表[[8,9],[10]]])# 行32个子列表场景1二维RaggedTensor的索引/切片核心示例1.1 索引单个行均匀维度索引# 取第1行索引从0开始返回1D普通Tensor该行元素无不规则性print(queries[1] ,queries[1])结果tf.Tensor([bWhat bis bthe bweather btomorrow], shape(5,), dtypestring)✅ 逻辑最外层是均匀维度固定3行索引单一行返回该行的密集Tensor无不规则结构。1.2 索引单个元素先均匀维度再行内索引# 取第1行第2个元素先定位行均匀维度再索引该行的固定位置该行存在该位置print(queries[1, 2] ,queries[1,2])结果tf.Tensor(bthe, shape(), dtypestring)✅ 逻辑仅对「某一行的固定位置」索引而非所有行该行有该位置因此合法。1.3 行切片均匀维度切片# 取第1行及以后的所有行返回二维RaggedTensorprint(queries[1:] ,queries[1:])结果tf.RaggedTensor [[bWhat, bis, bthe, bweather, btomorrow], [bGoodnight]]✅ 逻辑均匀维度的切片保留剩余行的不规则结构。1.4 列切片不规则维度切片# 所有行的前3个元素行内切片不足3个的保留全部如行2仅1个print(queries[:, :3] ,queries[:,:3])# 所有行的最后2个元素行内切片不足2个的保留全部如行2仅1个print(queries[:, -2:] ,queries[:,-2:])结果queries[:, :3] tf.RaggedTensor [[bWho, bis, bGeorge], [bWhat, bis, bthe], [bGoodnight]] queries[:, -2:] tf.RaggedTensor [[bGeorge, bWashington], [bweather, btomorrow], [bGoodnight]]✅ 逻辑对不规则维度做切片而非固定位置索引TF会按每行的实际长度处理不足则保留全部结果仍为RaggedTensor。场景2三维RaggedTensor的索引/切片扩展示例2.1 索引单个行均匀维度# 取第1行返回二维RaggedTensor保留该行的嵌套不规则结构print(rt_3d[1] ,rt_3d[1])结果tf.RaggedTensor [[5], [], [6]]✅ 逻辑三维RaggedTensor的最外层是均匀维度4行索引单一行返回二维RaggedTensor。2.2 索引嵌套元素多层索引# 取第3行第0个子列表先定位行均匀维度再定位该行的子列表该行存在该子列表print(rt_3d[3, 0] ,rt_3d[3,0])结果tf.Tensor([8 9], shape(2,), dtypeint32)✅ 逻辑仅针对某一行的子列表索引该行有该子列表合法。2.3 嵌套维度切片# 所有行的第1~3个子列表切片返回三维RaggedTensorprint(rt_3d[:, 1:3] ,rt_3d[:,1:3])# 所有行的最后1个子列表切片返回三维RaggedTensorprint(rt_3d[:, -1:] ,rt_3d[:,-1:])结果rt_3d[:, 1:3] tf.RaggedTensor [[[4]], [[], [6]], [], [[10]]] rt_3d[:, -1:] tf.RaggedTensor [[[4]], [[6]], [[7]], [[10]]]✅ 逻辑对嵌套的不规则维度做切片TF自动处理每行的子列表数量无则返回空。核心限制禁止索引到不规则维度重点避坑错误示例对所有行的固定列索引# ❌ 错误尝试取所有行的第3个元素不规则维度的固定位置索引try:print(queries[:,3])exceptExceptionase:print(报错,e)报错结果报错 Cannot index into an inner ragged dimension.限制原因文档核心逻辑TF 拒绝该操作的核心原因行0有第3个元素Washington行1有第3个元素weather但行2无第3个元素TF 无法确定处理方式抛出IndexError如Python列表补默认值如空字符串删除无该元素的行行2遵循Python指导原则“不猜测模糊情况”直接禁止该操作。允许 vs 禁止操作对比表操作类型示例是否允许原因均匀维度索引queries[1]✅最外层行数固定无模糊性单一行的行内索引queries[1, 2]✅仅针对某一行该行有该位置不规则维度切片queries[:, :3]✅切片按每行实际长度处理无模糊性所有行的固定列索引queries[:, 3]❌部分行无该位置处理逻辑不明确三维嵌套固定位置索引rt_3d[:, 1]❌部分行无该子列表处理逻辑不明确替代方案处理“需取所有行固定位置”的场景若业务需要取所有行的第N个元素允许部分行无该元素可通过以下方式实现# 方案将RaggedTensor转密集张量补默认值再索引dense_queriesqueries.to_tensor(default_valueb)# 补空字符串print(所有行的第3个元素补默认值,dense_queries[:,3])结果所有行的第3个元素补默认值 tf.Tensor([bWashington bweather b], shape(3,), dtypestring)✅ 逻辑先补默认值转为密集张量消除不规则性再索引固定列代价是引入冗余的默认值。核心总结索引规则仅允许对「均匀维度最外层」做任意索引/切片允许对「某一行/子列表的固定位置」索引而非所有行允许对「不规则维度」做切片如前N个、最后N个禁止固定位置索引。避坑关键只要操作涉及“所有行的固定列/子列表”必然报错若需此类操作先转密集张量补默认值再索引。结果类型索引单一行/子列表 → 返回密集Tensor切片/索引多行 → 返回RaggedTensor保留不规则结构。RaggedTensor的索引设计既兼容Python习惯又规避了“不规则维度固定索引”的模糊性是处理可变长度数据的安全方案。