Adicionando recursos adicionais no Theano (CNN)
-
21-12-2019 - |
Pergunta
Estou usando Theano para classificação (redes neurais convolucionais)
Anteriormente, usei os valores de pixel da imagem (achatada) como recursos do NN.Agora, quero adicionar recursos adicionais.
Disseram-me que posso concatenar esse vetor de recursos adicionais aos recursos de imagem achatada e depois usá-lo como entrada para a camada totalmente conectada, mas estou tendo problemas com isso.
Em primeiro lugar, será essa a abordagem correcta?
Aqui estão alguns trechos de código e meus erros:
Semelhante ao exemplo fornecido em seu site com algumas modificações
(da classe que constrói o modelo)
# allocate symbolic variables for the data
self.x = T.matrix('x') # the data is presented as rasterized images
self.y = T.ivector('y') # the labels are presented as 1D vector of [int] labels
self.f = T.matrix('f') # additional features
Abaixo, variáveis v
e rng
são definidos anteriormente.O que é importante é layer2_input
:
layer2_input = self.layer1.output.flatten(2)
layer2_input = T.concatenate([layer2_input, self.f.flatten(2)])
self.layer2 = HiddenLayer(rng, input=layer2_input, n_in=v, n_out=200, activation=T.tanh)
(da turma que treina)
train_model = theano.function([index], cost, updates=updates,
givens={
model.x: train_set_x[index * batch_size: (index + 1) * batch_size],
model.y: train_set_y[index * batch_size: (index + 1) * batch_size],
model.f: train_set_f[index * batch_size: (index + 1) * batch_size]
})
No entanto, recebo um erro quando train_model é chamado:
ValueError: GpuJoin: Wrong inputs for input 1 related to inputs 0.!
Apply node that caused the error: GpuJoin(TensorConstant{0}, GpuElemwise{tanh,no_inplace}.0, GpuFlatten{2}.0)
Inputs shapes: [(), (5, 11776), (5, 2)]
Inputs strides: [(), (11776, 1), (2, 1)]
Inputs types: [TensorType(int8, scalar), CudaNdarrayType(float32, matrix), CudaNdarrayType(float32, matrix)]
As formas de entrada representam as formas de x
, y
e f
, respectivamente?
Se sim, o terceiro parece correto (batchsize=5, 2 recursos extras), mas por que o primeiro é um escalar e o segundo é uma matriz?
Mais detalhes:
train_set_x.shape = (61, 19200) [61 flattened images (160x120), 19200 pixels]
train_set_y.shape = (61,) [61 integer labels]
train_set_f.shape = (61,2) [2 additional features per image]
batch_size = 5
Tenho a ideia certa ou existe uma maneira melhor de fazer isso?Alguma ideia de por que estou recebendo um erro?
Solução
O problema era que eu estava concatenando no eixo errado.
layer2_input = T.concatenate([layer2_input, self.f.flatten(2)])
deveria ter ficado
layer2_input = T.concatenate([layer2_input, self.f.flatten(2)], axis=1)