Question

我刚开始学习cntk。但是，我有一个基本问题阻碍了我的进步。我通过了以下测试：

import numpy as np
from cntk import input_variable, plus

def test_simple(self):

    x_input = np.asarray([[1, 2, 2]], dtype=np.int64)
    assert (1, 3) == x_input.shape

    y_input = np.asarray([[5, 3, 3]], dtype=np.int64)
    assert (1, 3) == y_input.shape

    x = input_variable(x_input.shape[1])
    assert (3, ) == x.shape

    y = input_variable(y_input.shape[1])
    assert (3, ) == y.shape

    x_plus_y = plus(x, y)
    assert (3, ) == x_plus_y.shape

    res = x_plus_y.eval({x: x_input, y: y_input})

    assert 6 == res[0, 0, 0]
    assert 5 == res[0, 0, 1]
    assert 5 == res[0, 0, 2]

据我所知，输出的形状为（1,1,3），因为第一轴和第二轴分别是批量和默认动态轴。

但是，为什么我需要将输入变量的形状设置为（3，）而不是（1,3）。使用（1,3）失败。

为什么图中输入节点的形状与用作该节点输入的numpy数据之间存在不一致？

谢谢你，稻谷

Answer 1

在Function.forward的“论据”描述中对此进行了一些解释。另一种描述是here。你混淆的原因可能是CNTK做了一些“有用的”转换。

如果您将输入指定为（1,3），则需要提供（1,3）数组的列表，以防小批量没有序列轴或（x，1,3）数组的列表具有序列轴的小批量的情况（其中x对于小批量中的每个序列可能是不同的）。类似地，如果将输入指定为（3，），则需要提供（3，）向量列表或（x，3）向量列表。

混淆可能源于未提供清单的情况。在那种情况下，CNTK在所提供的张量的引导轴上进行迭代，并从这些元素中创建列表，例如a（5,1,3）张量成为一批5个元素，每个元素的形状为（1,3）。

为什么numpy vs cntk形状不一致？

1 个答案: