Open y17733806775 opened 7 months ago
1.作者想让true_prob_s 的每一行数组都代表一个时间步t中的每个节点的贡献率，但实际上每一组数组都混入了一个下一个t的数据 2.true_prob_s 最后会有一行零行
1.混入下一个时间步的数据问题： 这个问题发生的原因是，在每次循环的末尾，true_s 和 true_o 被重置为零，并开始累积下一个时间步的数据，但在重置之前，它们的值已经被用于更新 true_prob_s 和 true_prob_o。这意味着每次当 current_t 更新时，我们实际上是在使用包含下一个时间步 t 开始部分的数据来计算当前时间步的分布。 解决方案：应该在更新 current_t 之前，立即计算并存储当前时间步的分布。这样可以确保每个时间步的数据仅用于其对应的分布计算中。
2.最后一行为零的问题： 这个问题发生是因为在循环结束后，你又执行了一次 np.concatenate 操作，将 true_s 和 true_o（这时已经被重置为零）添加到了 true_prob_s 和 true_prob_o。由于在循环的最后一次迭代中，true_s 和 true_o 已经被重置并且没有再次被填充（因为没有更多的数据），所以你最终得到了一行全零。 解决方案：在循环结束后，应该检查 true_s 和 true_o 是否全为零（或者更准确地，是否有必要将它们添加到分布中）。如果它们确实包含有效数据（即循环中的最后一个时间步的数据），那么应该在重置之前添加它们。否则，就不应该再添加。
1.作者想让true_prob_s 的每一行数组都代表一个时间步t中的每个节点的贡献率，但实际上每一组数组都混入了一个下一个t的数据 2.true_prob_s 最后会有一行零行
1.混入下一个时间步的数据问题： 这个问题发生的原因是，在每次循环的末尾，true_s 和 true_o 被重置为零，并开始累积下一个时间步的数据，但在重置之前，它们的值已经被用于更新 true_prob_s 和 true_prob_o。这意味着每次当 current_t 更新时，我们实际上是在使用包含下一个时间步 t 开始部分的数据来计算当前时间步的分布。 解决方案：应该在更新 current_t 之前，立即计算并存储当前时间步的分布。这样可以确保每个时间步的数据仅用于其对应的分布计算中。
2.最后一行为零的问题： 这个问题发生是因为在循环结束后，你又执行了一次 np.concatenate 操作，将 true_s 和 true_o（这时已经被重置为零）添加到了 true_prob_s 和 true_prob_o。由于在循环的最后一次迭代中，true_s 和 true_o 已经被重置并且没有再次被填充（因为没有更多的数据），所以你最终得到了一行全零。 解决方案：在循环结束后，应该检查 true_s 和 true_o 是否全为零（或者更准确地，是否有必要将它们添加到分布中）。如果它们确实包含有效数据（即循环中的最后一个时间步的数据），那么应该在重置之前添加它们。否则，就不应该再添加。