🐛 find bug in TNCO env and the explain this env data struct

[Yonv1943]

张量收缩计算图解.pptx

---

#92

已经提交PR 92 去修复此BUG

---

https://github.com/AI4Finance-Foundation/ElegantRL_Solver/blob/52b4dc3ac5b8461772751a7294f5c9c10fdba5a5/rlsolver/rlsolver_learn2opt/tensor_train/TNCO_env.py#L269-L271

上面的代码有bug，这里想要修改 list中存放的指针的指向，但是最右边的等号是一个【赋值】操作，它让指针重新指向新的地址，这是不正确的。

应该修改成

node_dims_tens = th.stack([self.node_dims_ten.clone() for _ in range(num_envs)])
node_bool_tens = th.stack([self.node_bool_ten.clone() for _ in range(num_envs)])
for i in range(run_edges):
    ...
    for j in range(num_envs):
        ...
        node_dims_arys = node_dims_tens[j]
        node_bool_arys = node_bool_tens[j]
        ...
        node_dims_arys[contract_bool] = contract_dims.repeat(1, 1)  # 根据 bool 将所有收缩后的节点都刷新成相同的信息
        node_bool_arys[contract_bool] = contract_bool.repeat(1, 1)  # 根据 bool 将所有收缩后的节点都刷新成相同的信息
        ...

举例：
初始化 arys = [torch.zeros(2) + i for i in range(5)]，打印 arys

[tensor([0., 0.]),
 tensor([1., 1.]),
 tensor([2., 2.]),
 tensor([3., 3.]),
 tensor([4., 4.])]

修改指针指向 arys[0] = arys[1] = arys[2] = torch.zeros(2) -1，打印 arys

[tensor([-1., -1.]),
 tensor([-1., -1.]),
 tensor([-1., -1.]),
 tensor([3., 3.]),
 tensor([4., 4.])]

修改 arys[0]，使用赋值操作 arys[0] = torch.zeros(2) + 0。重新打印 arys，确认指针指向是否正确

[tensor([0., 0.]),       -----> 我把 arys[0] 从-1 改成了 0
 tensor([-1., -1.]),    -----> 发现 arys[1] 没有跟着 arys[0] 一起变成 0，这是错误的
 tensor([-1., -1.]),    -----> 发现 arys[2] 没有跟着 arys[0] 一起变成 0，这是错误的
 tensor([3., 3.]),
 tensor([4., 4.])]

不能使用赋值操作改变指针指向的地址，应该用 arys[0][:] = torch.zeros(2) + 0
重新运行命令 修改指针指向 arys[0] = arys[1] = arys[2] = torch.zeros(2) -1
重新运行命令 修改 arys[0] 的赋值 arys[0][:] = torch.zeros(2) + 0
得到预期中的结果：

[tensor([0., 0.]),
 tensor([0., 0.]),
 tensor([0., 0.]),
 tensor([3., 3.]),
 tensor([4., 4.])]

[Yonv1943]

我想要对一个列表进行一种操作，例如：
我的列表是 s = [0, 1, 2, 3, 4, 5]
我想要按照某个任意给定的顺序，对它们进行求和，例如：

第1个给定的顺序是 (0, 1), 那么我取列表s 索引为0 和 1 的两个元素进行相加，0+1 得到的结果 1 赋值给这两个元素，相当于我把这两个元素合并成一个元素了。

第2个给定的顺序是 (2, 3), 那么我取列表s 索引为2 和 3 的两个元素进行相加，2+3 得到的结果 5 赋值给这两个元素，相当于我把这两个元素合并成一个元素了。

第3个给定的顺序是 (0, 2), 那么我取列表s 索引为0 和 2 的两个元素进行相加，注意，由于这两个节点都被合并成新的元素了，因此不是计算 0+2，而是计算 1+5 得到的结果 6 赋值给这四个元素，相当于我把初始的这四个元素合并成一个元素了。

第4个给定的顺序是 (3, 4), 那么我取列表s 索引为3 和 4 的两个元素进行相加，注意，由于索引为3的元素被合并成新的元素了，因此不是计算 3+4，而是计算 6+4 得到的结果 10 赋值给这几个元素，相当于我把初始的这几个元素合并成一个元素了。

请帮我写成代码

---

下面是ChatGPT给出的答案：

s = [0, 1, 2, 3, 4, 5]

# 定义一个字典，存储每个元素的父节点，初始时每个元素的父节点都是它自己
parents = {i: i for i in range(len(s))}

# 定义一个函数，用于查找某个节点的根节点
def find_root(i):
    if parents[i] != i:
        parents[i] = find_root(parents[i])
    return parents[i]

# 定义一个函数，用于合并两个节点所在的集合
def merge_set(i, j):
    root_i = find_root(i)
    root_j = find_root(j)
    parents[root_i] = root_j

# 定义一个函数，用于对列表s按照给定顺序进行求和并合并节点
def sum_and_merge(s, order):
    sum = s[order[0]] + s[order[1]]
    merge_set(order[0], order[1])
    for i in range(len(s)):
        if find_root(i) == find_root(order[0]):
            s[i] = sum

# 按照给定的顺序进行求和并合并节点
sum_and_merge(s, (0, 1))
sum_and_merge(s, (2, 3))
sum_and_merge(s, (0, 2))
sum_and_merge(s, (3, 4))

# 打印最终结果
print(s)

最后果然得到想要的结果（修改了print 的位置）：

[1, 1, 2, 3, 4, 5]
[1, 1, 5, 5, 4, 5]
[6, 6, 6, 6, 4, 5]
[10, 10, 10, 10, 10, 5]

---

根据 ChatGPT 的建议，在PyTorch实现相同的操作更简单，有：

import torch as th
a = th.tensor((0,1,0,1)).bool()  # tensor([False,  True, False,  True])

b = th.rand(4, 6)
'''
tensor([[0.4802, 0.3409, 0.3359, 0.5106, 0.1429, 0.2140],
        [0.2697, 0.3475, 0.3719, 0.4058, 0.6563, 0.5772],
        [0.6439, 0.0933, 0.7830, 0.0989, 0.2740, 0.2559],
        [0.1416, 0.6473, 0.4084, 0.0258, 0.5571, 0.2749]])
'''

b[a, :] = b[0].repeat(2, 1)
b[a, :] = b[0].repeat(1, 1)  # use `.repeat(1, 1)` it is OK.
'''
tensor([[0.4802, 0.3409, 0.3359, 0.5106, 0.1429, 0.2140],  # --> b[0]
        [0.4802, 0.3409, 0.3359, 0.5106, 0.1429, 0.2140],  # --> b[1] = b[0]
        [0.6439, 0.0933, 0.7830, 0.0989, 0.2740, 0.2559],
        [0.4802, 0.3409, 0.3359, 0.5106, 0.1429, 0.2140]])  # --> b[3] = b[0]
'''

[Yonv1943]