은 (라자냐)에 ValueError : 나는 내 코드를 실행하면 입력 치수가 일치하지

Question

, 나는 다음과 같은 메시지 값 오류 :

ValueError: Input dimension mis-match. (input[0].shape[1] = 1, input[2].shape[1] = 20) 
Apply node that caused the error: Elemwise{Composite{((i0 + i1) - i2)}}[(0, 0)](Dot22.0, InplaceDimShuffle{x,0}.0, InplaceDimShuffle{x,0}.0) 
Toposort index: 18 
Inputs types: [TensorType(float64, matrix), TensorType(float64, row), TensorType(float64, row)] 
Inputs shapes: [(20, 1), (1, 1), (1, 20)] 
Inputs strides: [(8, 8), (8, 8), (160, 8)] 
Inputs values: ['not shown', array([[ 0.]]), 'not shown'] 
Outputs clients: [[Elemwise{Composite{((i0 * i1)/i2)}}(TensorConstant{(1, 1) of 2.0}, Elemwise{Composite{((i0 + i1) - i2)}}[(0, 0)].0, Elemwise{mul,no_inplace}.0), Elemwise{Sqr}[(0, 0)](Elemwise{Composite{((i0 + i1) - i2)}}[(0, 0)].0)]] 

내 훈련 데이터는 다음과 같은 항목의 행렬이다 ..

[ 815.257786 320.447 310.841] 

그리고 내 교육 기능에 입력하고있어 일괄 (BATCH_SIZE, 3) 입력 TensorType (float64, 매트릭스)

,745의 모양이

내 신경 그물은 매우 간단합니다 :

self.inpt = T.dmatrix('inpt') 
    self.out = T.dvector('out') 

    self.network_in = nnet.layers.InputLayer(shape=(BATCH_SIZE, 3), input_var=self.inpt) 
    self.l0   = nnet.layers.DenseLayer(self.network_in, num_units=40, 
         nonlinearity=nnet.nonlinearities.rectify, 
    ) 
    self.network = nnet.layers.DenseLayer(self.l0, num_units=1, 
         nonlinearity=nnet.nonlinearities.linear 
    ) 

내 손실 함수는 다음과 같습니다

pred = nnet.layers.get_output(self.network) 
    loss = nnet.objectives.squared_error(pred, self.out) 
    loss = loss.mean() 

내가 치수 불일치를 얻고 이유에 조금 혼란 스러워요. 올바른 입력 및 레이블 유형 (기호 변수 당)을 전달하고 있으며 입력 데이터의 모양이 InputLayer에 제공하는 '모양'매개 변수와 일치합니다. 내가 배치 크기를 지정하는 방법에 문제가 있다고 생각합니다. 배치 크기를 1로 설정하면 네트워크가 아무 문제없이 학습 할 수 있고 오류 메시지의 입력 [2] .shape [1] 값은 다음과 같습니다. 내 배치 크기. 나는 기계 학습에 아주 새로운데, 어떤 도움을 주시면 대단히 감사하겠습니다!

Answer 1

내 레이블의 치수가 잘못되어 문제가 발생했습니다.

내 데이터 형태했다 : 내 그물에

x_train.shape == (batch_size, 3) 
y_train.shape == (batch_size,) 

그리고 기호 입력을했다 :

self.inpt = T.dmatrix('inpt') 
self.out = T.dvector('out') 

나는 y_train를 재편하여 내 문제를 해결할 수 있었다. 그런 다음이 변화를 설명하기 위해 기호 출력 변수를 행렬로 변경했습니다.

y_train = np.reshape(y_train, y_train.shape + (1,)) 
# y_train.shape == (batch_size, 1) 

self.out = T.dmatrix('out')