问题标签 [lasagne]

我有一个语义分割问题，如果我可以为一个特征向量设置多个标签，那就太好了。因此，我的数据的某些部分属于 1、2 和 3 类（以及其他仅属于一个类，有些根本不属于任何类......）。

我认为一个类似但更简单的玩具问题是构建一个神经网络，它以二进制格式获取一个数字作为输入特征，并且应该决定它是否可以被 2、3、两者整除，或者两者都不能整除。

我试过的

我使用nolearn构建了一个具有两个输出神经元的网络（一个用于“可被 2 整除”，另一个用于“可被 3 整除”。

请注意，对于这个简单的示例，我知道我可以简单地添加两个类“可被两者整除”和“不能被 2 或 3 整除”。但是，我只是为一个更复杂的问题创建了这个例子，而我没有这种可能性。

输出层可能不是 softmax 层，因为我不想在输出的总和中得到 1（而是 0、1 或 2）。问题是我不知道我的标签向量应该是什么样子。通常，我只给label_vector = [class_for_first, class_for_second, ...]，但这次我需要一个课程列表。我该如何调整它？

（不必使用 nolearn 来完成。纯 Lasagne 解决方案也可以。）

我正在尝试使用神经网络来解决分类问题。我有 6 个可能的类，并且相同的输入可能在多个类中。

问题是，当我尝试为每个类训练一个 NN 时，我设置 output_num_units = 1 并且在训练时，我传递了 y 的第一列，y[:,0]。我得到以下输出和错误：

如果我尝试使用output_num_units=num_class(6) 和完整的 y（所有六个字段），首先我会收到 KStratifiedFold 的错误，因为它似乎不希望 y 有多行。如果我设置eval_size=None，则会收到以下错误：

唯一有效的配置是设置多个输出单元并且只将一列传递给 y。比它训练神经网络，但它似乎不正确，因为它给了我 2 个输出层，我只有一个 Y 可以比较。

我究竟做错了什么？为什么我不能只使用一个输出？我应该将我的 y 类从 6 列的向量转换为只有一列的向量吗？

我使用以下代码（摘录）：

我从 Lasagne 的官方 github 加载了 mnist_conv.py 示例。

在和，我想预测我自己的例子。我看到“lasagne.layers.get_output()”应该处理官方文档中的 numpy 数组，但它不起作用，我不知道该怎么做。

这是我的代码：

但它给了我：

我知道它需要一个 4D 张量，但我不知道如何纠正它。

你能帮助我吗？谢谢

我开始学习如何将 theano 与千层面一起使用，并从 mnist 示例开始。现在，我想尝试我自己的示例：我有一个 train.csv 文件，其中每一行以 0 或 1 开头，代表正确答案，然后是 773 个 0 和 1，代表输入。我不明白如何在 load_database() 函数中将此文件转换为所需的 numpy 数组。这是 mnist 数据库的原始函数的一部分：

我需要从我的 csv 文件中获取 X_train （输入）和 y_train （每一行的开头）。

谢谢！

我想知道是否有办法在 Lasagne 神经网络工具包的每一层中添加偏置节点？我一直在尝试在文档中查找相关信息。

这是我建立的网络，但我不知道如何为每一层添加一个偏置节点。

我在 4 GPU 机器上用 theano 和 lasagne 训练神经网络。我的.theanorc包含以下几行：

所以当我在 python 中执行时 import theano，我得到Using gpu device 0: GRID K520

如果在导入 theano 后，我选择使用 say gpu1 怎么办？我想动态地做到这一点，也就是说，没有编辑.theanorc是可能的吗？甚至在运行时选择它？

使用修改后的 mnist.py（Lasagne 的主要示例）进入 Lasagne 和 Theano，以训练一个非常简单的 XOR。

在 (1) 处定义训练集，在 (2) 处将输入修改为新维度，并在 (3) 处得到异常：

而且我不知道我做错了什么。当我打印尺寸（或程序的输出直到异常）时，我得到了这个

这似乎是完美的。我做错了什么以及必须如何形成阵列才能工作？

I'm training a neural net in Theano and lasagne, running the code in an iPython notebook. I like having the train and valid loss displayed at each iteration, like this:

but I would also like to see the live/dynamic plot of the two losses. Is there a built-in way to do so?

I have tried creating a custom class and adding it to my net's on_epoch_finished, but either I get a new plot at each iteration (I'd like a single one, updating), either I have to erase the previous output at each iteration, and thus cannot see the text output (which I want to keep).

我正在研究 MNIST 数据集并使用数据增强来训练神经网络。我有一个 BatchIterator，它从每张图片中随机提取 24、24 子图像，并将其用作 NN 的输入。

就训练而言，一切都很顺利。但是对于预测，我想从给定图像中提取 5 个子图像，并对预测进行平均，但我无法让它工作：

这是我的 BatchIterator：

将我的网络与训练数据相匹配是可行的，但是当我这样做时net.predict(X_test)，我会得到一个错误，因为CropIterator.transform()我相信它被称为yb等于None。

这是完整的调用堆栈：

关于如何在测试部分修复它的任何想法CropIterator.transform()？

我在 nolearn 中做一个神经网络，这是一个使用千层面的基于 Theano 的库。

我不明白如何定义自己的成本函数。

输出层只有 3 个神经元[0, 1, 2]，我希望它能够确定它何时给出 1 或 2，否则——如果它不确定 1、2——则只返回 0。

所以，我想出了一个成本函数（需要调整），其中 1 和 2 的成本是 0 的两倍，但我不明白如何告诉网络。

这是更新的代码，但我如何告诉 SGD 使用我的成本函数而不是它自己的？

编辑： 完整的网络代码是：

使用时编辑 错误regression=True