来自 theano 的 TypeError 使用 3D numpy 数组时答案

【问题标题】：TypeError from theano While using 3D numpy array来自 theano 的 TypeError 使用 3D numpy 数组时
【发布时间】：2015-12-23 11:30:26
【问题描述】：

我正在尝试类似于下面的代码

datax=theano.shared(value=rng.rand(5,500,45))
x=T.dmatrix('x')
i=T.lscalar('i')
W=theano.shared(value=rng.rand(90,45,500))
Hb=theano.shared(value=np.zeros(90))
w_v_bias=T.dot(W,x).sum(axis=2).sum(axis=1)+Hb
z=theano.function([i],w_v_bias,givens={x:datax[i*5:(i+1)*5]})

z(0)

Theano 给我一个带有 msg 的 TypeError：

无法将类型 TensorType(float64, 3D)（变量 Subtensor{int64:int64:}.0）转换为类型 TensorType(float64, matrix)。您可以尝试手动将 Subtensor{int64:int64:}.0 转换为 TensorType(float64, matrix)

我在这里做错了什么？

编辑

正如丹尼尔所说，将 x 更改为 dtensor3 将导致另一个错误。

ValueError：输入维度不匹配。 (输入[0].shape[1] = 5, input[1].shape[1] = 90)

应用导致错误的节点：Elemwise{add,no_inplace}(Sum{axis=[1], acc_dtype=float64}.0, DimShuffle{x,0}.0)

另一种方法是修改我的训练功能，但我将无法进行批量学习。

  z=theano.function([x],w_v_bias)
  z(datax[0])

我正在尝试使用可见单位的整数值来实现 RBM。

【问题讨论】：

标签： python theano

【解决方案1】：

问题在于 datax 是一个 3D 张量，datax[index*5:(index+1)*5] 也是一个 3D 张量，但您试图将其分配给 x 这是一个 2D 张量（即矩阵）。

变化

x = T.dmatrix('x')

到

x = T.dtensor3('x')

解决了这个问题，但创建了一个新问题，因为 W 和 x 的尺寸不匹配以执行点积。目前还不清楚期望的结果是什么。

【讨论】：

你好丹尼尔，我尝试了你的方法，点积在沿轴 3&1 添加后返回 np.array(90,5)。至于我需要的是 np.array(90,1) 逐元素添加 Hb。我认为 dataX[0],dataX[1] , ... 是在计算过程中顺序操作

【解决方案2】：

经过几次打击和试验后解决了。

我需要的是改变

x=T.dmatrix('x')
w_v_bias=T.dot(W,x).sum(axis=2).sum(axis=1)+Hb

到

x=T.dtensor3('x')
w_v_bias=T.dot(x,W).sum(axis=3).sum(axis=1)+Hb

现在它在将 Hb 元素添加到点积的五个向量中的每一个后生成 (5,90) 数组。

【讨论】：