反序列化

反序列化的难点在于在读取数据时构建和学习内部一致性

1. 在第一次下降过程中，它等待到达叶子数字（例如上面的示例中的 1）以确定维数（示例中的 3）。
2. 它从第一步开始展开并读取序列 [1, 2, 3, 4]，学习其长度（4）。现在它记得期望的形状为 [unknown, unknown, 4] - 它还没有看到更高维度的长度，但至少它知道有 3 个维度，最后一个维度长度为 4。
3. 它向上展开一步，递归到下一个序列，并读取 [4, 5, 6, 7]。这次它知道这不是第一次下降到这个维度，所以它不是学习它，而是将新的长度与存储的长度进行验证（4 == 4，一切良好）。
4. 它到达了这个序列序列的末尾，所以现在它知道并存储期望的形状为 [unknown, 2, 4]。
5. 通过重复这个过程，它最终学会了并验证了整个数组的形状为 [3, 2, 4]。
6. 在此期间，它将原始数字收集到一个扁平的 Vec<_> 中，作为多维数组的优化存储。现在它只需要调用一个函数，该函数可以从形状和平展数据构造多维数组。

注意：结果数组将以标准列主序布局。

在 ndarray 和 nalgebra 功能下提供了 ndarray::Array 和 nalgebra::DMatrix 的构造函数，因此您可以使用它们如下

use serde::{Deserialize, Serialize};

#[derive(Deserialize, Serialize)]
struct MyStruct {
    #[serde(with = "serde_ndim")]
    ndarray: ndarray::ArrayD<f32>,
    /* ... */
}

您还可以通过实现 serde_ndarray::de::MakeNDim 特性来重用自定义类型的反序列化。

序列化

序列化也提供了。它的实现要简单得多，所以这里不会详细介绍，如果您想查看代码，请随意。

此功能也适用于 ndarray::Array 和 nalgebra::DMatrix，但如果你想要序列化自定义类型，可以通过实现 serde_ndarray::ser::NDim 接口来实现。