Question

我正在尝试在python中实现tSNE算法。我使用autograd包来计算渐变，而不是通常使用的分析梯度。

但我无法根据需要计算渐变。我是ML的新手，并尝试使用autograd和其他框架。

所以，这是我的方法。我首先计算相似度矩阵P.然后我在计算损失的同时计算低维亲和度矩阵Q.这是我的代码 -

def compute_kl_loss(Y, P, n):
    loss = 0
    for i in range(n):
        qij = 1 / (1 + np.sum((Y[i,:] - Y)**2),1)
        for j in range(n):
            loss += P[i,j]* np.log(P[i,j]) - P[i,j]*np.log(qij)
    return loss

def get_grad(Y, P):
    n = Y.shape[0]
    loss_kld = lambda Y: compute_kl_loss(Y, P, n)
    gradY = grad(loss_kld) 
    dY = gradY(Y).

但这种方法似乎不起作用。我收到以下错误 -

  File "tsne.py", line 130, in compute_kl_loss
    qij = 1 / (1 + np.sum((Y[i,:] - Y)**2),1)
TypeError: unsupported operand type(s) for /: 'int' and 'tuple'

请告诉我如何纠正这个问题。我的方法是正确的吗？或者有更好的方法吗？

谢谢。

Answer 1

在这一行：

qij = 1 / (1 + np.sum((Y[i,:] - Y)**2),1)

你正在创建一个元组，包括：

left_part: 1 + np.sum((Y[i,:] - Y)**2)
right_part: 1

元组是：my_tuple = (left_part, right_part)

在你的错误中已经解释了很多。

操作1 / (x, y)（(x, y)是一个元组）在python中无效，如错误中所述！

所以你可能应该检查你的括号。

使用autograd计算tSNE梯度

1 个答案: