问题标签 [lasagne]

我正在尝试构建一个用于对 ATIS 数据集进行分类的 LSTM 模型。

从一个未定义大小 N 的句子，我生成一个上下文窗口词嵌入矩阵。这就是我需要以我的模型为食的东西，但我不知道如何做到这一点。

当我将输入层定义为：

我得到：

如果我在 l_in 声明中定义输入形状，它会起作用，例如：

关键是每个句子都有不同的大小，从而导致了不同形状的上下文窗口词嵌入矩阵。我能做些什么？

我正在尝试将Lasagne 教程改编为 LSTM 模型。这就是我的代码是 atm 的方式：

我可以毫无错误地构建我的模型。但是在插入与损失评估相关的代码后，我得到了这个错误：

我正在尝试通过使用 Robert Layton 的 Learning Data Mining with Python 中的代码来学习神经网络/千层面。我想我正在按照代码进行操作，但我收到以下错误消息。非常感谢任何提示或直觉我做错了什么；

下面的代码：

我已经用“.caffemodel.h5”格式训练了一个来自 caffe 的模型。我想解析它以提取参数并将其提供给千层面模型。我该怎么做？

我已经使用 lasagne/nolearn 训练了一个自动编码器。假设网络层是 [500, 100, 100, 500]。我已经像这样训练了神经网络：

我想做如下的事情：

所以我会得到我的数据的抑制表示。因此，如果我的初始数据的形状为 [10000, 500]，则结果数据将为 [10000, 100]。

我搜索但找不到如何做到这一点。烤宽面条/nolearn可以吗？

几天前，我被我要描述的问题困住了。我正在关注 Daniel Nouri 关于深度学习的教程：http: //danielnouri.org/notes/category/deep-learning/我试图将他的示例调整为分类数据集。我的问题是，如果我将数据集视为回归问题，它可以正常工作，但如果我尝试执行分类，它会失败。我试图写 2 个可重现的例子。

1）回归（效果很好）

2）分类（它会引发矩阵维度的错误；我将其粘贴在下面）

我使用代码 2 得到的失败输出。

这里发生了什么？我在做坏事吗？我想我尝试了一切，但我无法弄清楚发生了什么。

请注意，我今天刚刚使用以下命令更新了我的千层面和依赖项：pip install -r https://raw.githubusercontent.com/dnouri/kfkd-tutorial/master/requirements.txt

提前致谢

编辑

我通过执行后续更改实现了它的工作，但我仍然有一些疑问：

• 我将 Y 定义为具有 0/1 值的一维向量：y = Y.astype(np.int32)但我仍然有一些疑问

• 我不得不将参数更改output_num_units=1为output_num_units=2，但我不确定是否理解这一点，因为我正在处理二进制分类问题，并且我认为这个多层感知器应该只有 1 个输出神经元，而不是其中的 2 个......我是错误的？

我还尝试将成本函数更改为 ROC-AUC。我知道有一个称为默认objective_loss_function定义的参数，objective_loss_function=lasagne.objectives.categorical_crossentropy但是......我如何使用 ROC AUC 作为成本函数而不是分类交叉熵？

谢谢

总的来说，我是 Nolearn 和 Theano 的新手。当我在Nolearn 教程中尝试代码时，我得到了 0.9 的极高错误率！

为什么当教程的错误为 0.005 时，我会得到如此高的错误？有没有其他人能够重现这个问题？

在 OS X Yosemite 上使用 Theano 0.7.0、Lasagne v0.1、nolearn v0.5。

输出

代码

分类报告

我热衷于在 Lasagne/Theano 框架中使用最近的论文“ Unsupervised Domain Adaptation by Backpropagation ”中提出的架构。

这篇论文有点不寻常的是它包含了一个“梯度反转层”，它在反向传播期间反转梯度：

（沿着图像底部的箭头是反向传播，它们的梯度是倒置的）。

在论文中，作者声称该方法“可以使用任何深度学习包来实现”，实际上他们提供了一个用 caffe 制作的版本。

但是，出于各种原因，我正在使用 Lasagne/Theano 框架。

是否可以在 Lasagne/Theano 中创建这样的渐变反转层？我还没有看到任何可以将自定义标量变换应用于这样的渐变的示例。如果是这样，我可以通过在 Lasagne 中创建自定义图层来做到这一点吗？

我正在尝试使用scikit-neuralnetwork库构建神经网络回归器。

据我了解，ny NN 似乎构建得很好，但我在nn.predict()通话中不断遇到以下错误：

我的代码如下：

可能有人知道这里出了什么问题吗？任何帮助将不胜感激。

我正在尝试在 iris 数据集上训练神经网络。我找到了一个关于使用 nolearn 的神经网络的教程，讲师使用了 mnist 数据集。我试图“模仿”相同的算法，但出现了错误。这是代码：

以及运行代码时出现的错误：http: //pastebin.com/9eccuzEQ

有一个非常相似的问题。然而，为他解决问题的东西，对我却没有。