0

我想使用 Theano 的逻辑回归分类器，但我想与我之前所做的研究进行苹果对苹果的比较，以了解深度学习是如何叠加的。我承认如果我更精通 Theano，这可能是一项相当简单的任务，但这是我目前所拥有的。从网站上的教程中，我有以下代码：

def errors(self, y):
    # check if y has same dimension of y_pred
    if y.ndim != self.y_pred.ndim:
        raise TypeError(
            'y should have the same shape as self.y_pred',
            ('y', y.type, 'y_pred', self.y_pred.type)
        )
    # check if y is of the correct datatype
    if y.dtype.startswith('int'):
        # the T.neq operator returns a vector of 0s and 1s, where 1
        # represents a mistake in prediction
        return T.mean(T.neq(self.y_pred, y))

我很确定这是我需要添加功能的地方，但我不确定如何去做。我需要的是在每次运行时访问 y_pred 和 y（以在 python 中更新我的混淆矩阵），或者让 C++ 代码处理混淆矩阵并在途中的某个时间点返回它。我不认为我可以做前者，我不确定如何做后者。我已经按照以下方式对更新功能进行了一些处理：

def confuMat(self, y):
    x=T.vector('x')
    classes = T.scalar('n_classes')
    onehot = T.eq(x.dimshuffle(0,'x'),T.arange(classes).dimshuffle('x',0))
    oneHot = theano.function([x,classes],onehot)
    yMat = T.matrix('y')
    yPredMat = T.matrix('y_pred')
    confMat = T.dot(yMat.T,yPredMat)
    confusionMatrix = theano.function(inputs=[yMat,yPredMat],outputs=confMat)

    def confusion_matrix(x,y,n_class):
        return confusionMatrix(oneHot(x,n_class),oneHot(y,n_class))

    t = np.asarray(confusion_matrix(y,self.y_pred,self.n_out))
    print (t)

但是我并不完全清楚如何让它与有问题的函数接口，并给我一个我可以使用的 numpy 数组。我对 Theano 很陌生，所以希望这对你们中的一个人来说是一个简单的解决方法。我想在许多配置中使用这个分类器作为我的输出层，所以我可以将混淆矩阵与其他架构一起使用。

4

1 回答 1

1

我建议使用蛮力的一种方式。您首先需要一个预测的输出。为它创建一个函数。

 prediction = theano.function(
        inputs = [index],
        outputs = MLPlayers.predicts,
        givens={
                x: test_set_x[index * batch_size: (index + 1) * batch_size]})

在您的测试循环中，收集预测...

labels = labels + test_set_y.eval().tolist() 
for mini_batch in xrange(n_test_batches):
    wrong = wrong + int(test_model(mini_batch))   
    predictions = predictions + prediction(mini_batch).tolist()

现在以这种方式创建混淆矩阵：

    correct = 0
    confusion = numpy.zeros((outs,outs), dtype = int)
    for index in xrange(len(predictions)):
        if labels[index] is predictions[index]:
            correct = correct + 1
        confusion[int(predictions[index]),int(labels[index])] = confusion[int(predictions[index]),int(labels[index])] + 1

您可以在此存储库中找到这种实现。

于 2015-08-04T00:30:09.050 回答