Nano Hash - криптовалюты, майнинг, программирование

Как получить все элементы Haskell UArray

Я практикую свои навыки работы с Haskell, пытаясь создать версию Tetris для командной строки. Для игрового поля я использую UArray, так как я могу замораживать и размораживать его, и это позволяет мне увидеть, столкнулся ли текущий элемент тетриса с размещенными в данный момент элементами без поиска по всей доске (что мне нужно было бы сделать, если бы я используемые списки). Я столкнулся с проблемой, что не знаю, как преобразовать этот массив в Text или String, чтобы вывести его на консоль.

Пока я работаю только с одной строкой платы, которую я инициализирую следующей функцией:

gameBoardWidth = 10 :: Int

initBoard :: UArray Int Char
initBoard = runSTUArray $ do
  let lastCol = gameBoardWidth - 1
  row <- newArray (0,lastCol) ' '
  return row

Теперь я не уверен, как получить Char из массива для печати. Из стандартного интерфейса массива elems выглядит как то, что мне нужно, но это не работает на UArrays.

*Main Console Lib Paths_haskell_tetris Data.Array> elems initBoard
 • Couldn't match expected type ‘Array i0 e’
                  with actual type ‘Data.Array.Base.UArray Int Char’

Другая идея, которая у меня была, заключалась в том, чтобы попытаться использовать функцию readArray в блоке do, но я не уверен, как объединить результат каждой строки на функциональном языке.

На всякий случай, если моя проблема связана с импортированными пакетами, это мой импорт:

import Data.Array.Unboxed
import Data.Array.ST
import Control.Monad
import Control.Monad.ST

  • @WillemVanOnsem спасибо за ответ. Итак, проблема в том, что я вывожу массив из его монадического контекста, используя runSTUArray, и мне нужно поместить его обратно в его контекст, чтобы на самом деле читать и писать в него? В чем разница между IOUArray и STUArray, у них вроде одинаковый интерфейс, просто у них разная внутренняя реализация? 22.11.2020
  • В вашем тесте вы вызываете Data.Array.elems, но похоже, что вместо этого вам нужно вызвать Data.Array.IArray.elems. Возможно, import qualified ... as ... поможет вам указать на правильную функцию. Кстати, постоянное замораживание/размораживание ваших массивов имеет свою стоимость, так как вам нужно сделать копию. Изменяемый массив, как предполагает Виллем, должен быть более производительным, поскольку он является грубым эквивалентом массивов, которые мы получаем в императивных языках. 22.11.2020
  • @chi, это работает, если в GHCI я запускаю > Data.Array.IArray.elems initBoard, я получаю " ", чего я и ожидаю. По какой-то причине ваш ответ не отображается таким образом, чтобы я мог принять его как ответ. 22.11.2020

Ответы:


1

В вашем тесте используется Data.Array.elems, который работает только на Array.

Вместо этого вам нужно вызвать метод класса Data.Array.IArray.elems, который работает с любым неизменяемым массивом, включая UArray.

22.11.2020
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..