从千层面（蟒蛇深度神经网络框架）获取输出

我从官方的烤宽面条加载了mnist_conv.py示例。从千层面（蟒蛇深度神经网络框架）获取输出

在和，我想预测我自己的例子。我看到“lasagne.layers.get_output（）”应该处理来自官方文档的numpy数组，但它不起作用，我无法弄清楚我该怎么做。

这里是我的代码：

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())

，但它给了我：

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

我明白，它需要一个四维张量，但我没有任何想法如何纠正它。

你能帮我吗？谢谢

来源

2015-07-19 Jlearner

该示例是一个空白图像？因为np.zeros（（28,28））意味着。 – Geeocode

你在输入形状中设置了什么 – Geeocode

是的，因为只是一个例子。我会用我的意图使用其他阵列。 – Jlearner

首先，您尝试将一个“图片”传递到您的网络，因此它的尺寸为(256,256)。

但是它需要一个3维数据的列表，即图像，它在theano中被实现为4D张量。

我没有看到您的完整代码，您打算如何使用烤宽面条界面，但是如果您的代码编写得当，从我目前看到的情况来看，我认为您应该先将您的(256,256)数据转换为单一通道像(1,256,256)这样的图像，然后通过使用更多的(1,256,256)列表中的数据来列表，例如[(1,256,256), (1,256,256), (1,256,256)]，或者从[(1,256,256)]这个单例中列出一个列表。先前你得到，然后通过（3,1,256,256），后一个（1,1,256,256）4D张量，这将被烤宽面界面接受。

来源

2015-07-19 11:14:30 Geeocode

正如您的错误消息中所写，预计输入是4D张量，形状为(n_samples, n_channel, width, height)。在MNIST情况下，n_channels是1，以及width和height是28.

但是正在输入2D张量，形状(28, 28)的。您需要添加新的坐标轴，您可以用exampleChar = exampleChar[None, None, :, :]

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

输出

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

注意做到：我认为你可以使用np.newaxis，而不是None添加一个轴。并且exampleChar = exampleChar[None, None]也应该工作。

来源

2015-08-14 10:08:45

从千层面（蟒蛇深度神经网络框架）获取输出

回答

相关问题