我尝试使用Theano对前向传播进行编码。我将类名hiddenLayer定义如下:
将theano.tensor导入为T 来自theano import共享 导入numpy为np 来自theano导入功能
class hiddenLayer():
""" Hidden Layer class
"""
def __init__(self, n_in, n_out):
rng = np.random
self.W = shared(np.asarray(rng.uniform(low=-np.sqrt(6. / (n_in + n_out)),
high=np.sqrt(6. / (n_in + n_out)),
size=(n_in, n_out)),
dtype=T.config.floatX),
name='W')
self.b = shared(np.zeros(n_out, dtype=T.config.floatX), name='b')
self.x = T.dvector('x')
self.a = T.tanh(T.dot(self.x, self.W) + self.b)
self.W_sum = shared(np.zeros([n_in, n_out]), name='W_sum')
self.gw = 0
self.gb = 0
我想设置一个hiddenLayer对象列表,当前的hiddenLayer是下一个hiddenLayer的输入。最后我定义了一个名为forward的函数,它引发了错误,代码如下:
def init_network(n_in, n_out, sl, x, y):
l = []
for i in range(sl):
l.append(hiddenLayer(n_in, n_out))
for i in range(sl):
if i == 0:
l[i].x = x
elif i < sl-1:
l[i].x = l[i-1].a
else:
l[i].x = l[i-1].a
y = l[i].a
return x, y, l
x = T.dvector('x')
y = T.dvector('y')
x, y, l = init_network(3, 3, 3, x, y)
forward = function(inputs=[x], outputs=y)
错误消息是:
theano.compile.function_module.UnusedInputError: theano.function was asked to create a function computing outputs given certain inputs, but the provided input variable at index 0 is not part of the computational graph needed to compute the outputs: x.
To make this error into a warning, you can pass the parameter on_unused_input='warn' to theano.function. To disable it completely, use on_unused_input='ignore'.
你能告诉我为什么会出现问题以及如何解决问题?感谢
答案 0 :(得分:1)
问题是您在第二个循环中覆盖了l.x.你不能这样做。在 init 中使用self.x后,基于它的结果将基于self.x的当前实例。因此,当您覆盖它时,它不会在新x上重新创建其他内容。
您应该将x作为输入传递给 init 。如果为None,请创建一个。这是第一层。另一方面,它应该是前一层输出。
def __init__(self, n_in, n_out, x=None):
if x is not None:
self.x = x
else:
x = T.dvector('x')