大大前天写了一个神经网络,跑了三天,到大前天重启电脑的时候才发现状态保存没写好,当时以为是有参数变量忘记存了,或者是存储的时候操作错误,查错查了三个小时都没查出问题(还发了个帖子: https://www.v2ex.com/t/739076 ),心情很差,不想调了,就把代码放在一边,跑去做别的事了,每天时不时看看代码,但是怎么看都感觉没问题。
刚刚终于开始单步调试,一调就发现问题了。
问题相当隐蔽:
我的网络输入的是文本,预处理的时候先做了一个字符表:
chars = set(open('...txt').read())
self.char_to_ix = { ch:i for i,ch in enumerate(chars) }
这个字符表看起来每次运行都是一样的,但是实际上不是。
不知道为什么,enumerate(set(...))
这个操作每次得到的内容顺序是随机的。大家可以去自己的 Python 里黏贴这一句试试:
{ ch:i for i,ch in enumerate(set('我爱你中国')) }
比比如我第一次运行,结果是:
{'国': 0, '爱': 1, '中': 2, '你': 3, '我': 4}
重启 Python(必须重启),再运行,结果变为:
{'爱': 0, '中': 1, '你': 2, '我': 3, '国': 4}
就是因为这个简单的错误,一旦重启程序,虽然网络参数都保存得很好,但是因为数据源变了,所以训练得从头开始。
最令人沮丧的是,我本来以为这是一个很难调试的错误,所以一直没有去动它;但是真正一开始调试,又发现这个问题如此简单————随后发现,我只是懒而已(= =)
不管怎么样,enumerate(set(...))
的这个行为都很奇怪。我简单翻看了一下文档,但是没见到有关解释。打算去 Stackoverflow 问问。
1
just1 2020-12-29 21:48:59 +08:00 1
set 本来就没顺序啊...
|
2
yanhh OP 对啊,就是想不懂为什么 Python 的 set 还有随机性。它生成的时候肯定是一个一个读的吧?为什么要加这个随机性?
|
3
yanhh OP ………………一想就懂了,因为内部实现有哈希
|
4
superrichman 2020-12-29 22:06:23 +08:00 via iPhone
集合没有顺序的
顺便说一句 dict 的 key 也没顺序 |
5
chchwy 2020-12-29 22:08:43 +08:00 1
看 set 底下的實現,如果是 tree 那就是有序,如果是 hash 就是無序
|
6
ManjusakaL 2020-12-29 22:13:52 +08:00 via Android 12
set 中的元素顺序不是随机的,而是有序的,其顺序依赖其 hash 值。大家通常意义上的无序指不是按照插入序而已
至于每次启动 hash 值都不一样,是因为 Python 3 之后 hash seed 会是一个随机数,具体参见 https://docs.python.org/3/using/cmdline.html#cmdoption-r |
7
guog 2020-12-29 22:17:49 +08:00 via Android
这是 dict 无序啊…
|
8
ErwinCheung 2020-12-29 22:31:09 +08:00
dict 无序现在版本上来不是说 ok 了的吗
|
9
ErwinCheung 2020-12-29 22:32:07 +08:00
Python 3.9.0 (default, Nov 21 2020, 14:55:42)
[Clang 12.0.0 (clang-1200.0.32.27)] on darwin Type "help", "copyright", "credits" or "license" for more information. >>> { ch:i for i,ch in enumerate(set('我爱你中国')) } {'爱': 0, '中': 1, '我': 2, '国': 3, '你': 4} >>> { ch:i for i,ch in enumerate(set('我爱你中国')) } {'爱': 0, '中': 1, '我': 2, '国': 3, '你': 4} >>> { ch:i for i,ch in enumerate(set('我爱你中国')) } {'爱': 0, '中': 1, '我': 2, '国': 3, '你': 4} >>> { ch:i for i,ch in enumerate(set('我爱你中国')) } {'爱': 0, '中': 1, '我': 2, '国': 3, '你': 4} >>> { ch:i for i,ch in enumerate(set('我爱你中国')) } {'爱': 0, '中': 1, '我': 2, '国': 3, '你': 4} >>> |
10
geebos 2020-12-29 23:33:51 +08:00
@superrichman 3.8 之后 dict 默认是有序字典了
|
11
yanhh OP @ErwinCheung
> 比如我第一次运行,结果是: > {'国': 0, '爱': 1, '中': 2, '你': 3, '我': 4} > 重启 Python (必须重启),再运行,结果变为: > {'爱': 0, '中': 1, '你': 2, '我': 3, '国': 4} |
12
yanhh OP 重新打开一遍 Python 之后运行结果会变,所以重启脚本再次运行的时候会出问题,结果不一样
|
13
Arthur2e5 2020-12-30 00:09:45 +08:00
数学学过吗?一般的集合是有序吗?对顺序有需求请用 OrderedSet,有序集名字放在那。至于是不是每次都给你同一个顺序,那是实现怎么省事怎么来。
@guog @ErwinCheung Python set() 实现和 dict() 是分开的。dict 的顺序是 py 3.7 开始定义的,是 CPython 3.6 的新行为的固化。 * * * 另外,举需要重启例子的请用 python -c 。`python -c "print({ ch:i for i,ch in enumerate(set('我爱你中国')) })"`,cmd 和 sh 都能跑。 |
15
swulling 2020-12-30 02:40:02 +08:00 via iPad
set 不保证顺序,一句话就完了,写代码不要依赖任何不保证的东西。
作为兴趣去探索这些行为是可以的,但是代码千万不能依赖。 回来你这个问题,正确的代码应该是 set 后再 sort 为列表 |
16
ErwinCheung 2020-12-30 06:51:10 +08:00
莽撞了哈 感谢大佬们 哈哈哈
|
17
20015jjw 2020-12-30 07:12:16 +08:00 via iPhone
一次沮丧的看帖
|
18
ETiV 2020-12-30 08:29:00 +08:00 via iPhone
看到 hash,想到了两年前参与过的一个项目
线上出了 bug,研发调试了一个通宵都没找到问题,来问我 只能一句句帮着分析、定位问题 结论就是,这哥们把 hash 当 md5 用 这哥们儿广东人,一口广普, “打日志”说成“打艺妓”,记忆犹新 |
19
hello2060 2020-12-30 08:52:24 +08:00
一次沮丧的看帖。。
|
20
knightdf 2020-12-30 09:19:42 +08:00
先弄清楚各种数据结构是有序和无序,底层怎么实现的再来说行为奇不奇怪。。
|
21
Wincer 2020-12-30 09:47:40 +08:00 via Android
楼主这个语句,用字典推导式应该是更好的选择。
|
22
HelloViper 2020-12-30 12:03:57 +08:00
set 就是无序啊,需要有序用 list 啊。。。。。。。。
dict 是 2.6 之后默认 orderlist,先 update 进去的会先遍历到 |
24
yanhh OP @ETiV 巧了,我也干过这种事,哈哈哈哈,谁知道 Python 的 hash(...)函数是它返回自己的东西,不是求哈希 后来才知道 from zlib import crc32 (我就临时校验个东西,md5 比较慢,所以选了 crc32 )
|
25
iceneet 2020-12-30 13:14:27 +08:00
set 本来就是无序的啊。。 有序的用 list
|
27
yanhh OP @iceneet 主要是它的随机性不是每一次调用都随机,而是每一次重新开 Python 随机,在一个 Python 进程中不是随机的,所以我的程序在一个线程里怎么调用它都一样,我就以为它不是随机的,没意识到它底层是用哈希实现,还以为是 list
|
28
yanhh OP @knightdf 主要是它的随机性不是每一次调用都随机,而是每一次重新开 Python 随机,在一个 Python 进程中不是随机的,我的程序在一个线程里怎么调用它都一样,我就以为它不是随机的。结果就没意识到它底层是用哈希实现,还以为是 list
|
29
Kaciras 2020-12-30 13:27:22 +08:00 1
6 楼说的是对的,hash 随机化,启动时添加环境变量 PYTHONHASHSEED=0 即可关闭
|
30
hitmanx 2020-12-30 13:29:49 +08:00
很多 C++/STL 用久了的人转写 Python 时都会想当然地以为 set 和 map/dict 是基于树结构的 /有序的
|
32
lakehylia 2020-12-30 13:48:50 +08:00
话说你要保存序列的变量,不是应该用数组 /向量 /列表吗?为什么要用集合?集合在处理序列的变量在运行效率以及空间效率上也不是最优啊。要是我,c++上肯定用 vector,Python 上用 list 。
|
33
fuis 2020-12-30 13:50:32 +08:00 1
数据结构是学得有多差。。
|
34
lakehylia 2020-12-30 13:54:19 +08:00
如果是需要去重,并且保证输出顺序,那肯定要对结果进行排序啊。不然你都不知道它怎么去重的,内在的去重后的顺序也是不确定的。
|
35
zhanglintc 2020-12-30 14:36:23 +08:00 1
一次沮丧的看帖
|
36
Wincer 2020-12-30 15:32:34 +08:00
@yanhh 我意思是 { ch:i for i,ch in enumerate(set('我爱你中国')) } 可以直接使用 { ch:i for i,ch in enumerate('我爱你中国') },字典推导式在生成的时候,如果存在重复的 key,后一个会自动覆盖前一个 key 的值,所以这个 set 的引入实际上对解决并无帮助,反而还引入了新的问题。
|
39
lithbitren 2020-12-30 23:41:13 +08:00
dict 在 py3.6 以后就用链表实现有序了,dict.popitem 可以把最后添加的键值对取出来,虽然内存比纯 hash 大,但遍历速度比 set 快。
|
40
araraloren 2020-12-31 08:50:27 +08:00
看了一遍,通通没有说到点上,顺序的 hash 自然可以保证,但是 hash 的随机性 是为了增强安全性,hash 是固定顺序的话很容易被攻击
这有一篇很久之前的文章,https://cry.nu/perl6/secure-hashing-for-moarvm/#hashing-basics |