使用 Lasagne/Theano 获取输出分类
我正在将我的代码从纯 Theano 迁移到 Lasagne。我从教程中获得了这个特定的代码,以获得具有特定数据的预测结果,然后我将生成一个 csv 文件发送给 kaggle。但是对于千层面,它不起作用。我已经尝试了几件事,但它们都给出了错误。
如果有人能帮我找出问题所在,我会很高兴!
我在这里粘贴了整个代码:http: //pastebin.com/e7ry3280
test_data = np.loadtxt("../inputData/test.csv", dtype=np.uint8, delimiter=',', skiprows=1)
# The inputs are vectors now, we reshape them to monochrome 2D images,
# following the shape convention: (examples, channels, rows, columns)
data = data.reshape(-1, 1, 28, 28)
test_data = test_data.reshape(-1, 1, 28, 28)
index = T.lscalar() # index to a [mini]batch
preds = []
for it in range(len(test_data)):
test_data = test_data[it]
N = len(test_data)
# print "N : ", N
test_data = theano.shared(np.asarray(test_data, dtype=theano.config.floatX))
test_labels = T.cast(theano.shared(np.asarray(np.zeros(batch_size), dtype=theano.config.floatX)),'uint8')
###target_var
#y = T.ivector('y') # the labels are presented as 1D vector of [int] labels
#index = T.lscalar() # index to a [mini]batch
ppm = theano.function([index],lasagne.layers.get_output(network, deterministic=True),
givens={
input_var: test_data[index * batch_size: (index + 1) * batch_size],
target_var: test_labels
}, on_unused_input='warn')
p = [ppm(ii) for ii in range(N // batch_size)]
p = np.array(p).reshape((N, 10))
print (p)
p = np.argmax(p, axis=1)
p = p.astype(int)
preds.append(p)
subm = np.empty((len(preds), 2))
subm[:, 0] = np.arange(1, len(preds) + 1)
subm[:, 1] = preds
np.savetxt('submission.csv', subm, fmt='%d', delimiter=',',header='ImageId,Label', comments='')
return preds
代码在以 开头的行上失败ppm = theano.function...
:
TypeError:无法将类型 TensorType(float32, 3D)(变量 Subtensor{int64:int64:}.0)转换为类型 TensorType(float32, 4D)。您可以尝试手动将 Subtensor{int64:int64:}.0 转换为 TensorType(float32, 4D)。
我只是想将测试数据输入到 CNN 并将结果保存到 CSV 文件中。我该怎么做?我知道我必须使用小批量,因为整个测试数据不适合 GPU。