我想使用neupy建立一个神经网络。
因此,我构造了以下架构:
network = layers.join(
layers.Input(10),
layers.Linear(500),
layers.Relu(),
layers.Linear(300),
layers.Relu(),
layers.Linear(10),
layers.Softmax(),
)
我的数据如下所示:
x_train.shape = (32589,10)
y_train.shape = (32589,1)
当我尝试使用以下方法训练此网络时:
model.train(x_train, y_trian)
我收到以下错误:
ValueError: Input dimension mis-match. (input[0].shape[1] = 10, input[1].shape[1] = 1)
Apply node that caused the error: Elemwise{sub,no_inplace}(SoftmaxWithBias.0, algo:network/var:network-output)
Toposort index: 26
Inputs types: [TensorType(float64, matrix), TensorType(float64, matrix)]
Inputs shapes: [(32589, 10), (32589, 1)]
Inputs strides: [(80, 8), (8, 8)]
Inputs values: ['not shown', 'not shown']
Outputs clients: [[Elemwise{Composite{((i0 * i1) / i2)}}(TensorConstant{(1, 1) of 2.0}, Elemwise{sub,no_inplace}.0, Elemwise{mul,no_inplace}.0), Elemwise{Sqr}[(0, 0)](Elemwise{sub,no_inplace}.0)]]
我如何编辑网络以映射此类数据?
万分感谢!
最佳答案
您的体系结构有10个输出而不是1个输出。我假设您的y_train
函数是0-1类标识符。如果是这样,那么您需要将结构更改为此:
network = layers.join(
layers.Input(10),
layers.Linear(500),
layers.Relu(),
layers.Linear(300),
layers.Relu(),
layers.Linear(1), # Single output
layers.Sigmoid(), # Sigmoid works better for 2-class classification
)
您可以使其更简单
network = layers.join(
layers.Input(10),
layers.Relu(500),
layers.Relu(300),
layers.Sigmoid(1),
)
之所以起作用,是因为
layers.Liner(10) > layers.Relu()
与layers.Relu(10)
相同。您可以在官方文档中了解更多信息:http://neupy.com/docs/layers/basics.html#mutlilayer-perceptron-mlp关于python - NeuPy:输入形状问题,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/47369861/