小编Lak*_*rma的帖子

我正在尝试从此repo运行代码。我通过更改 main.py 中的第 39/40 行来禁用 cuda

parser.add_argument('--type', default='torch.cuda.FloatTensor', help='type of tensor - e.g torch.cuda.HalfTensor')

到

parser.add_argument('--type', default='torch.FloatTensor', help='type of tensor - e.g torch.HalfTensor')

尽管如此，运行代码给了我以下异常：

Traceback (most recent call last):
  File "main.py", line 190, in <module>
    main()
  File "main.py", line 178, in main
    model, train_data, training=True, optimizer=optimizer)
  File "main.py", line 135, in forward
    for i, (imgs, (captions, lengths)) in enumerate(data):
  File "/Users/lakshay/anaconda/lib/python3.6/site-packages/torch/utils/data/dataloader.py", line 201, in __next__
    return self._process_next_batch(batch)
  File "/Users/lakshay/anaconda/lib/python3.6/site-packages/torch/utils/data/dataloader.py", line 221, in _process_next_batch
    raise batch.exc_type(batch.exc_msg)
AssertionError: Traceback (most …

我正在尝试评估最适合以下用例的方法：

存在一组可以表示为图的实体。图中的每个顶点代表一个实体，每个（单向边）代表一个子级到父级的关系。一个实体可能有多个父实体，一个父实体可能有多个子实体。通常，所有实体都可以追溯到一个“主”实体。不能删除任何实体。要求是应该很容易追踪任何实体的所有祖先。以下是我想评估的一些条件：

1. 深树（最高的祖先可以在很远的地方）vs.浅树（最高的祖先通常在不远处）
2. 宽遍历路径（一个顶点可以有很多父节点）与窄遍历路径（一个顶点通常没有很多父节点）
3. 我错过的任何其他重要条件

以此图为例：

在常规的类似 DynamoDB 的数据库中，这将表示为：

-------------------
entity | parents  |
-------------------
A      | []       |
-------------------
B      | [A]      |
-------------------
C      | [A]      |
-------------------
D      | [A]      |
-------------------
E      | [B, C, D]|
-------------------
F      | [C, D]   |
-------------------

预先存在的条件是：

我对 DynamoDB 更加熟悉，但对 NeptuneDB 或任何图形数据库只有非常基本的熟悉，因此 DynamoDB 需要较少的前期时间投入。另一方面，NeptuneDB 当然更适合关系图存储，但在什么情况下值得技术开销呢？