3

我最近在 Windows 10 和 Python 3.5 上安装了支持 GPU 的 mxnet（python 包）。我浏览了几个例子，它们似乎工作正常。

尽管我已经在 R 中使用过 Mxnet，但我已经习惯了 scikit-learn 风格的机器学习包，并且对 Python 深度学习包（例如 Mxnet）非常陌生。我很难理解如何将 .csv 训练数据提供给模型。

我想向一个简单的 CNN 提供一些图像。图像为 28x28 像素，并以扁平数组的形式存储在 .csv 中。我有两个 .csv 文件，一个用于训练，另一个用于测试。每个 .csv 文件具有以下结构：

label, pixel1, pixel2, ..., pixel784
0,...
1,...

训练集/测试集中总共有 10 个标签和大约 1000/300 张图像。

我正在使用以下代码加载数据并训练模型：

import mxnet as mx
import pandas as pd
import numpy as np
import os

path = "C://users//me//data"
os.chdir(path)

df_train = pd.read_csv("train_28.csv")
df_test = pd.read_csv("test_28.csv")

keys = ['pixel.'+str(i) for i in range(1,785)]

X_train = df_train[keys].get_values().T
X_train = X_train.reshape((1200,28,28,1))
y_train = df_train['label'].get_values().reshape((1200,1))
#y_train = y_train.reshape((28,28,1,1200))



data = mx.symbol.Variable('data')

# First conv layer
conv1 = mx.symbol.Convolution(data=data, kernel=(5,5), num_filter=20)
tanh1 = mx.symbol.Activation(data=conv1, act_type="tanh")
pool1 = mx.symbol.Pooling(data=tanh1, pool_type="max",
                              kernel=(2,2), stride=(2,2))

# Second conv layer
conv2 = mx.symbol.Convolution(data=pool1, kernel=(5,5), num_filter=50)
tanh2 = mx.symbol.Activation(data=conv2, act_type="tanh")
pool2 = mx.symbol.Pooling(data=tanh2, pool_type="max",
                              kernel=(2,2), stride=(2,2))

# First fully connected
flatten = mx.symbol.Flatten(data=pool2)
fc1 = mx.symbol.FullyConnected(data=flatten, num_hidden=500)
tanh3 = mx.symbol.Activation(data=fc1, act_type="tanh")
# second fullc
fc2 = mx.symbol.FullyConnected(data=tanh3, num_hidden=10)
# loss
lenet = mx.symbol.SoftmaxOutput(data=fc2, name='softmax')                              

device = mx.gpu()                              

model = mx.model.FeedForward.create(lenet,
                                    X = X_train,
                                    y = y_train,
                                    ctx = device,
                                    num_epoch = 30)

我使用的这种方法类似于我在 R 中使用 mxnet 的方法，（顺便说一句，在 R 上它工作得很好，但是我不能在 R 上使用 GPU，所以我需要使用 Python 以获得更好的性能......）但是我收到以下错误：

[16:54:11] D:\chhong\mxnet\dmlc-core\include\dmlc/logging.h:235: [16:54:11] d:\chhong\mxnet\src\operator\./convolution-inl.h:347: Check failed: ksize_x <= dshape[3] && ksize_y <= dshape[2] kernel size exceed input
Traceback (most recent call last):
  File "C:\Users\Me\Desktop\esempio_lenet.py", line 57, in <module>
    num_epoch = 30)
  File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\model.py", line 901, in create
    eval_batch_end_callback=eval_batch_end_callback)
  File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\model.py", line 745, in fit
    self._init_params(dict(data.provide_data+data.provide_label))
  File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\model.py", line 485, in _init_params
    arg_shapes, _, aux_shapes = self.symbol.infer_shape(**input_shapes)
  File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\symbol.py", line 453, in infer_shape
    return self._infer_shape_impl(False, *args, **kwargs)
  File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\symbol.py", line 513, in _infer_shape_impl
    ctypes.byref(complete)))
  File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\base.py", line 77, in check_call
    raise MXNetError(py_str(_LIB.MXGetLastError()))
mxnet.base.MXNetError: InferShape Error in convolution0: [16:54:11] d:\chhong\mxnet\src\operator\./convolution-inl.h:347: Check failed: ksize_x <= dshape[3] && ksize_y <= dshape[2] kernel size exceed input

而且我无法弄清楚我做错了什么。请有人告诉我这个错误是什么，并为我提供一套清晰的说明，说明如何加载与上述结构相同的 .csv 文件并训练 mxnet 模型？我查看了文档，但无法自己弄清楚如何正确加载 .csv 文件......

我要求加载此类 .csv 文件的过程的原因是我主要处理该格式的数据，并且能够对包含这些 .csv 文件的文件夹运行脚本并拥有它们已准备好用于训练深度卷积神经网络。

如果您需要它们来重现我编写的示例代码，可以在此处获得一组训练和测试 .csv 文件。

谢谢

4

1 回答 1

3

问题出在这一行：

X_train = X_train.reshape((1200,28,28,1))

在 mxnet 中，第二维是特征图，而第三和第四维是宽度和高度，所以应该是：

X_train = X_train.reshape((1200,1,28,28))
于 2016-07-19T05:55:11.303 回答