Question

我在danielnouri博客文章中使用的神经网络的帮助下进行分类。训练数据的总大小为6300个样本。数据是20 * 20大小的字符图片。我无法弄清楚如何选择output_num_units的大小。唯一类的总数是63.xtrain的形状是（6283L，400L）。 yTrain的形状是（6283L，）。以下是nueral网络的代码。

net1 = NeuralNet(
           layers=[  # three layers: one hidden layer
                   ('input', layers.InputLayer),
                   ('hidden', layers.DenseLayer),
                   ('output', layers.DenseLayer),
               ],
           # layer parameters:
           input_shape=(None, 400),  # 20x20 input pixels per batch
           hidden_num_units=100,  # number of units in hidden layer

           # output layer uses identity function
           output_nonlinearity=lasagne.nonlinearities.softmax,
           output_num_units=63,

           # optimization method:
           update=nesterov_momentum,
           update_learning_rate=0.01,
           update_momentum=0.9,

           # flag to indicate we're dealing with regression problem
           regression=False,
           max_epochs=400,  # we want to train this many epochs
           verbose=1,
)

net1.fit(xTrain, yTrain)

如果我选择63的大小，我会收到以下错误：

net1.fit（xTrain，yTrain）           文件“C：\ Users \ FTS.fts-gnosis \ Anaconda2 \ lib \ site-packages \ nolearn \ lasagne \ base.py”，第539行，适合             self.train_loop（X，y，epochs = epochs）           在train_loop中输入文件“C：\ Users \ FTS.fts-gnosis \ Anaconda2 \ lib \ site-packages \ nolearn \ lasagne \ base.py”，第597行             self.apply_batch_func（self.train_iter_，Xb，yb））           在apply_batch_func中输入文件“C：\ Users \ FTS.fts-gnosis \ Anaconda2 \ lib \ site-packages \ nolearn \ lasagne \ base.py”，第687行             如果yb为None，则返回func（Xb）func（Xb，yb）           文件“C：\ Users \ FTS.fts-gnosis \ Anaconda2 \ lib \ site-packages \ theano \ compile \ function_module.py”，第879行，调用             storage_map = getattr（self.fn，'storage_map'，None））           在raise_with_op中输入文件“C：\ Users \ FTS.fts-gnosis \ Anaconda2 \ lib \ site-packages \ theano \ gof \ link.py”，第325行             重新加注（exc_type，exc_value，exc_trace）           文件“C：\ Users \ FTS.fts-gnosis \ Anaconda2 \ lib \ site-packages \ theano \ compile \ function_module.py”，第866行，调用             self.fn（）如果output_subset为None else         ValueError：y_i值超出范围         应用导致错误的节点：CrossentropySoftmaxArgmax1HotWithBias（Dot22.0，output.b，y_batch）         Toposort指数：11         输入类型：[TensorType（float64，matrix），TensorType（float64，vector），TensorType（int32，vector）]         输入形状：[（128L，63L），（63L，），（128L，）]         输入步幅：[（504L，8L），（8L，），（4L，）]         输入值：['未显示'，'未显示'，'未显示']         输出客户：[[Sum {acc_dtype = float64}（CrossentropySoftmaxArgmax1HotWithBias.0）]，[CrossentropySoftmax1HotWithBiasDx（Elemwise {Inv} [（0,0）]。0，CrossentropySoftmaxArgmax1HotWithBias.1，y_batch）]，[]]提示：重新运行大多数Theano优化禁用可以为您提供何时创建此节点的回溯。这可以通过设置Theano标志'optimizer = fast_compile'来完成。如果这不起作用，可以使用'optimizer = None'禁用Theano优化。提示：将Theano标志'exception_verbosity = high'用于此apply节点的调试打印和存储映射占用空间。

如果我改变了

output_nonlinearity=lasagne.nonlinearities.rectify

我收到以下错误：

文件“C：\ Users \ FTS.fts-gnosis \ Anaconda2 \ lib \ site-packages \ theano \ tensor \ nnet \ nnet.py”，第1453行，正在执行             y [i] = -numpy.log（coding [i，one_of_n [i]]）         IndexError：索引107超出轴1的大小为63的范围         应用导致错误的节点：CrossentropyCategorical1Hot（Elemwise {Composite {（i0 *（Abs（i1）+ i2 + i3））}} [（0,2）]。0，y_batch）         Toposort指数：14         输入类型：[TensorType（float64，matrix），TensorType（int32，vector）]         输入形状：[（128L，63L），（128L，）]         输入步幅：[（504L，8L），（4L，）]         输入值：['未显示'，'未显示']         输出客户端：[[Sum {acc_dtype = float64}（CrossentropyCategorical1Hot.0）]]创建节点时的Backtrace（使用Theano标志traceback.limit = N使其更长）：           文件“C：\ Users \ FTS.fts-gnosis \ workspace \ hello1 \ facialrec.py”，第200行，在             net1.fit（xTrain，yTrain）

Answer 1

我怀疑你的课程没有被编码为整数0-62，在这种情况下你可以将use_label_encoder=True传递给NeuralNet，让它自动进行编码。

烤宽面条：神经网络图像（字符）分类。选择尺寸output_num_units

1 个答案: