Question

我正在尝试以100个批次训练暹罗烤宽面条模型。输入是X1（100x3x100x100）和X2（相同大小）和Y（100x1），我的最后一层是一个输出维度的密集层，因为我期望值为0或1作为目标值。但是，它为意外维度引发了错误。以下是代码摘录：

input1 = lasagne.layers.InputLayer(shape=(None,3, 100, 100), input_var=None)
conv1_a = lasagne.layers.Conv2DLayer(input1, 
                                num_filters=24, 
                                filter_size=(7, 7),
                                nonlinearity=lasagne.nonlinearities.rectify)

pool1_a = lasagne.layers.MaxPool2DLayer(conv1_a, pool_size=(3, 3), stride=2)

第2层与上述相同。输出层：

dense_b = lasagne.layers.DenseLayer(dense_a,
                                num_units=128,
                                nonlinearity=lasagne.nonlinearities.rectify)
dense_c = lasagne.layers.DenseLayer(dense_b,
                                num_units=1,
                                nonlinearity=lasagne.nonlinearities.softmax)

net_output = lasagne.layers.get_output(dense_c)
true_output = T.ivector('true_output')

培训代码如下：

loss_value = train(X1_train,X2_train,Y_train.astype(np.int32))
print loss_value

ValueError：输入维度不匹配。（输入[0] .shape [1] = 100， input [1] .shape [1] = 1）应用导致错误的节点： Elemwise {Composite {（（i0 * i1）+（i2 * log1p（（ - i3））））}}（InplaceDimShuffle {x，0} .0，LogSoftmax.0， Elemwise {sub，no_inplace} .0，SoftmaxWithBias.0）Toposort index：113 输入类型：[TensorType（int32，row），TensorType（float32，matrix）， TensorType（float64，row），TensorType（float32，matrix）]输入形状： [（1,100），（100,1），（1,100），（100,1）]输入步幅：[（400,4），（4,4），（800,8），（4,4）]输入值：['未显示'，'未显示'， 'not shown'，'not shown']输出客户： [[Sum {acc_dtype = float64}（Elemwise {Composite {（（i0 * i1）+（i2 * * log1p。（（ - I 3））））}} 0）]]

Answer 1

尝试使用draw_net.py，如下所示：

import draw_net
dot = draw_net.get_pydot_graph(lasagne.layers.get_all_layers(your_last_layer), 
verbose = True)

dot.write("test.pdf", format="pdf")

以pdf格式转储烤宽面条图形（需要安装graphviz）

烤宽面条中的目标值形状

1 个答案: