机器学习PAI 负采样表在easyrec/graphlearn下，读的中文都是byte格式怎么办？
机器学习PAI 负采样表在easyrec/graphlearn下，读的中文都是byte格式怎么办？
用np.chararray.decode(feature)，又报typeerror
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
-
北京阿里云ACE会长
如果你在使用机器学习PAI的EasyRec中遇到负采样表中的中文数据以字节格式（byte format）呈现，并且在尝试使用np.chararray.decode()函数解码时出现TypeError，请注意以下几点：
np.chararray.decode()函数适用于NumPy数组（np.chararray）中的字符串解码，而不是普通的Python字节串（bytes）。如果你的中文数据以字节格式表示，你需要先将其转换为Python字符串对象，然后再进行解码。
python
Copy假设 feature 是字节格式的中文数据
feature_str = feature.decode('utf-8') # 将字节串转换为字符串对象
decoded_feature = np.chararray.decode(np.array([feature_str]))
```这样，你可以先将字节格式的中文数据转换为字符串对象，然后再进行解码操作。
如果你的负采样表中的中文数据以字节格式存储，你可能需要查看数据存储和读取的过程，确保数据在读取时以正确的编码方式进行解析。尽量使用与数据存储时相同的编码方式来读取数据，以避免乱码或解码错误。
另外，如果你的数据存储在MaxCompute表中，可以通过在MaxCompute的创建表语句中指定字符集来确保正确的编码解析。例如，使用CHARSET utf8来指定UTF-8编码。
2023-08-13 21:22:30赞同 展开评论 -
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。