Question

我是mxnet的新手，我正在尝试执行以下代码：

from mxnet import nd, sym
from mxnet.gluon import nn

class HybridNet(nn.HybridBlock):
    def __init__(self, **kwargs):
         super(HybridNet, self).__init__(**kwargs)
         self.hidden = nn.Dense(10)
         self.output = nn.Dense(2)

    def hybrid_forward(self, F, x):
         print('F: ', F)
         print('x: ', x.shape)

         x = F.relu(self.hidden(x))
         print('hidden: ', x.shape)

         x = F.relu(self.hidden(x))
         print('hidden: ', x.shape)

    return self.output(x)


    net = HybridNet()

    net.initialize()

    x = nd.random.normal(shape=(1, 4))
    net(x)

但是，出现此错误： MXNetError：形状不一致，提供= [10,4]，推断的形状=（10,10）

但是如果我将self.hidden = nn.Dense（10）更改为self.hidden = nn.Dense（4），该错误将不再存在。但我不明白为什么，有人可以向我解释一下吗？谢谢

Answer 1

问题是您用不同的输入大小重复使用了相同的隐藏层两次。

当您第一次调用x = F.relu(self.hidden(x))时，隐藏层会自动由于输入x = nd.random.normal(shape=(1, 4))而发现输入大小为4。
它输出大小为10的NDArray（由于10个神经元）。
然后您再次使用隐藏层，但现在输入的大小为10 ...该层已经初始化，并且希望接收到大小为4的输入，但是获得大小为10，因此失败。

要解决此问题，请引入另一个任意大小的隐藏层：

from mxnet import nd, sym
from mxnet.gluon import nn


class HybridNet(nn.HybridBlock):
    def __init__(self, **kwargs):
        super(HybridNet, self).__init__(**kwargs)
        self.hidden1 = nn.Dense(10)
        self.hidden2 = nn.Dense(20)
        self.output = nn.Dense(2)

    def hybrid_forward(self, F, x):
        print('F: ', F)
        print('x: ', x.shape)

        x = F.relu(self.hidden1(x))
        print('hidden: ', x.shape)

        x = F.relu(self.hidden2(x))
        print('hidden: ', x.shape)

        return self.output(x)


net = HybridNet()
net.initialize()

x = nd.random.normal(shape=(1, 4))
net(x)

如何解决此错误：“ MXNetError：形状不一致，已提供”

1 个答案: