我们有一个无服务器框架项目，在单一存储库中包含不同的微服务。该项目的结构如下所示：
project-root/
|-services/
|-service1/
|-handler.py
|-serverless.yml
|-service2/
...
|-serviceN/
...
|-bitbucket-pipelines.yml
如您所见，每个服务都有自己的部署文件（serverless.yml）。
我们只想部署在推送/合并中已修改的服务，并且由于我们使用的是 bitbucket-pipelines，所以我们更喜欢使用其功能来实现此目标。
经过一些研究后，我们发现了changesets可以限制目录中已更改文件的步骤的属性。因此，对于每项服务，我们可以在 bitbucket-pipelines.yml 中添加如下内容：
- step:
name: step1
script:
- echo "Deploy service 1"
- ./deploy service1
condition:
changesets:
includePaths:
# only files directly under service1 directory
- "service1/**"
这看起来是一个完美的匹配，但这种方法的问题是我们必须为存储库中的每个服务编写一个步骤，并且如果我们添加更多服务，我们将不得不添加更多步骤，这会影响可维护性和可读性。
有什么方法可以for使用参数化步骤进行循环，其中输入参数是服务名称？
另一方面，我们可以制作一个自定义脚本来处理条件并让部署本身检测更改。即使我们更喜欢 bitbucket-native 方法，我们也愿意接受其他选择；在脚本中执行此操作的最佳方法是什么？
continuous-integration bitbucket continuous-deployment serverless-framework bitbucket-pipelines
我正在使用print_tensor来查看自定义损失函数中的张量值.但是,这只打印前三个值!像这样:
softmax = [[-0.245408952 -0.0407191925 -0.0813238621]...]
在Tensorflow中,您可以使用tf.Print中的summarize参数来控制它(在我的情况下不适用),但Keras的print_tensor没有这样的参数,那么我该如何改变这种行为呢？
到目前为止,我尝试过:
import numpy
numpy.set_printoptions(threshold=numpy.nan)
人们之前已经讨论过如何基于字典在字符串中进行多次替换（例如，参见）。似乎有一组string.replace基于正则表达式的选项和一组基于正则表达式的选项，还有几个选项。
但是我对取决于字典大小的不同方法的效率感兴趣，我发现这具有非常重要的影响。
my_subs = {'Hello world': 'apple', 'is': 'ship'}
string = 'Hello world! This is nice.'
new_string = my_efficient_method(string, my_subs)
需要明确的是，这个问题不是关于如何进行这些替换，而是关于哪种方法在哪些条件下更有效，以及适用哪些注意事项。特别是，当有很多（>100k）个长字符串（10-20k 个字符）并且字典很大（>80k 对）时，我正在寻找最实用的方法。在这些情况下，基于正则表达式的首选方法性能非常差。
我在 NLP 项目中使用 Torchtext。我的系统中有一个预训练的嵌入，我想使用它。因此，我试过：
my_field.vocab.load_vectors(my_path)
但是，显然，出于某种原因，这仅接受预先接受的嵌入的简短列表的名称。特别是，我收到此错误：
Got string input vector "my_path", but allowed pretrained vectors are ['charngram.100d', 'fasttext.en.300d', ..., 'glove.6B.300d']
我发现了一些有类似问题的人，但到目前为止我能找到的解决方案是“更改 Torchtext 源代码”，如果可能的话，我宁愿避免这种情况。
有没有其他方法可以使用我的预训练嵌入？允许使用另一个西班牙语预训练嵌入的解决方案是可以接受的。
有些人似乎认为不清楚我在说什么。所以，如果标题和最后一个问题还不够：“我需要帮助在 Torchtext 中使用预先训练的西班牙语单词嵌入”。