有代码的一部分:如何应对“ValueError异常:操作数无法与形状(10000)(10000,10)一起播出”在numpy的
batch = getRandomBatch(batch_size)
users_ind = batch[0, :, 0]
items_ind = batch[0, :, 2]
for i in range(25):
sum_loss, err = computeLossFunction(batch)
users_mat[users_ind, :] += err*items_mat[items_ind, :]
它抛出一个ValueError异常, '操作数不能与形状(10000,)(10000,10)'在users_mat[users_ind, :] += err*items_mat[items_ind, :]
'我不知道如何处理它。
为什么err的形状是(10000,)而不是(10000,1)?
============================================== ==========================
users_mat = np.random.rand(len_users, latent_space_dimension)
items_mat = np.random.rand(len_items, latent_space_dimension)
def getRandomBatch(batch_size):
batch = np.random.choice(len_data_mat-1, size=(1, batch_size))
batch = data_mat[batch]
return batch
def computeLossFunction(data_mat):
items_ind = data_mat[0, :, 2]
rates = data_mat[0, :, 1]
users_ind = data_mat[0, :, 0]
vector_items = items_mat[items_ind, :]
vector_users = users_mat[users_ind, :]
dot_list = np.sum(vector_items*vector_users, axis=1)
err = rates-dot_list
piece = np.power(err, 2)+lambda_val*(np.sum(np.power(vector_users, 2), axis=1) + np.sum(np.power(vector_items, 2), axis=1))
sum_loss = np.mean(piece)
return sum_loss, err
data_mat是10000行3列矩阵numpy的
尝试后,ERR = err.reshape(-1,1)可以解决这个问题,但我仍然不明白为什么err的形状是(10000,)而不是(10000,1),所以我必须明确重塑。
请创建一个[mcve]。目前还不清楚'getRandomBatch'和'computeLossFunction'是什么。 – Praveen
@Praveen现在更新问题,重新明确err显式工作,但我仍然不明白为什么err的形状是(10000,),而不是(10000,1) – FesianXu
在'computeLossFunction''' data_mat'是3d,但与索引'率'是1d。类似地,'sum'减少了输入的尺寸,所以'dot_list'也是1d。记住这是'numpy',而不是'MATLAB'。 – hpaulj