從千層麪（蟒蛇深度神經網絡框架）獲取輸出

我從官方的烤寬麪條加載了mnist_conv.py示例。從千層麪（蟒蛇深度神經網絡框架）獲取輸出

在和，我想預測我自己的例子。我看到「lasagne.layers.get_output（）」應該處理來自官方文檔的numpy數組，但它不起作用，我無法弄清楚我該怎麼做。

這裏是我的代碼：

if __name__ == '__main__': 
    output_layer = main() #the output layer from the net 
    exampleChar = np.zeros((28,28)) #the example I would predict 
    outputValue = lasagne.layers.get_output(output_layer, exampleChar) 
    print(outputValue.eval())

，但它給了我：

TypeError: ConvOp (make_node) requires input be a 4D tensor; received "TensorConstant{(28, 28) of 0.0}" (2 dims)

我明白，它需要一個四維張量，但我沒有任何想法如何糾正它。

你能幫我嗎？謝謝

來源

2015-07-19 Jlearner

該示例是一個空白圖像？因爲np.zeros（（28,28））意味着。 – Geeocode

你在輸入形狀中設置了什麼 – Geeocode

是的，因爲只是一個例子。我會用我的意圖使用其他陣列。 – Jlearner

首先，您嘗試將一個「圖片」傳遞到您的網絡，因此它的尺寸爲(256,256)。

但是它需要一個3維數據的列表，即圖像，它在theano中被實現爲4D張量。

我沒有看到您的完整代碼，您打算如何使用烤寬麪條界面，但是如果您的代碼編寫得當，從我目前看到的情況來看，我認爲您應該先將您的(256,256)數據轉換爲單一通道像(1,256,256)這樣的圖像，然後通過使用更多的(1,256,256)列表中的數據來列表，例如[(1,256,256), (1,256,256), (1,256,256)]，或者從[(1,256,256)]這個單例中列出一個列表。先前你得到，然後通過（3,1,256,256），後一個（1,1,256,256）4D張量，這將被烤寬面界面接受。

來源

2015-07-19 11:14:30 Geeocode

正如您的錯誤消息中所寫，預計輸入是4D張量，形狀爲(n_samples, n_channel, width, height)。在MNIST情況下，n_channels是1，以及width和height是28.

但是正在輸入2D張量，形狀(28, 28)的。您需要添加新的座標軸，您可以用exampleChar = exampleChar[None, None, :, :]

exampleChar = np.zeros(28, 28) 
print exampleChar.shape 
exampleChar = exampleChar[None, None, :, :] 
print exampleChar.shape

輸出

(28, 28) 
(1, 1, 28, 28)

注意做到：我認爲你可以使用np.newaxis，而不是None添加一個軸。並且exampleChar = exampleChar[None, None]也應該工作。

來源

2015-08-14 10:08:45

從千層麪（蟒蛇深度神經網絡框架）獲取輸出

回答

相關問題