Question

我正在尝试类似于以下代码的内容

select new MyModel
{
    NS = tmp[0],
    Sek = tmp[1],
    Radial = tmp[2]
};

Theano给我一个带有msg的TypeError：

无法将Type TensorType（float64,3D）（Variable Subtensor {int64：int64：}。0）转换为Type TensorType（float64，matrix）。您可以尝试手动将Subtensor {int64：int64：}。0转换为TensorType（float64，矩阵）

我在这里做错了什么？

修改

正如daniel将x更改为dtensor3所述，将导致另一个错误。

ValueError：输入维度不匹配。（输入[0] .shape [1] = 5，输入[1] .shape [1] = 90）

应用导致错误的节点：Elemwise {add，no_inplace}（Sum {axis = [1]，acc_dtype = float64} .0，DimShuffle {x，0} .0）

另一种方法是修改我的列车功能，但之后我将无法进行批量学习。

datax=theano.shared(value=rng.rand(5,500,45))
x=T.dmatrix('x')
i=T.lscalar('i')
W=theano.shared(value=rng.rand(90,45,500))
Hb=theano.shared(value=np.zeros(90))
w_v_bias=T.dot(W,x).sum(axis=2).sum(axis=1)+Hb
z=theano.function([i],w_v_bias,givens={x:datax[i*5:(i+1)*5]})

z(0)

我正在尝试使用可见单位的整数值来实现RBM。

Answer 1

问题在于datax是一个3D张量，而datax[index*5:(index+1)*5]也是一个3D张量，但你试图将它分配给x这是一个2D张量（即一个矩阵））。

更改

x = T.dmatrix('x')

到

x = T.dtensor3('x')

解决了这个问题，但是创建了一个新问题，因为W和x的尺寸不匹配来执行点积。目前尚不清楚预期的结果是什么。

Answer 2

在几次击中和试验后解决了它。

我需要的是改变

x=T.dmatrix('x')
w_v_bias=T.dot(W,x).sum(axis=2).sum(axis=1)+Hb

到

x=T.dtensor3('x')
w_v_bias=T.dot(x,W).sum(axis=3).sum(axis=1)+Hb

现在，在向点积的五个向量中的每个向量中添加元素之后，它会生成（5,90）数组。

来自theano的TypeError使用3D numpy数组时

2 个答案: