从Lasagne (python深度神经网络框架)获取输出

Question

我从Lasagne的官方github加载了mnist_conv.py示例。

最后，我想预测一下我自己的例子。我在官方文档中看到"lasagne.layers.get_output()“应该处理numpy数组，但它不起作用，我不知道该怎么做。

下面是我的代码：

if __name__ == '__main__':
    output_layer = main() #the output layer from the net
    exampleChar = np.zeros((28,28)) #the example I would predict
    outputValue = lasagne.layers.get_output(output_layer, exampleChar)
    print(outputValue.eval())

但它给了我：

TypeError: ConvOp (make_node) requires input be a 4D tensor; received "TensorConstant{(28, 28) of 0.0}" (2 dims)

我知道它需要一个4D张量，但我不知道如何修正它。

你能帮帮我吗?谢谢

Answer 1

首先，您尝试将单个“图像”传递到您的网络中，因此它具有维度(256,256)。

但它需要一个三维数据列表，即图像，在theano中是作为4D张量实现的。

我不明白你的完整代码，你打算如何使用千层面的接口，但是如果你的代码写得很好，根据我到目前为止所看到的，我认为你应该首先将你的(256,256)数据转换成像(1,256,256)这样的单通道图像，然后从列表中使用更多的(1,256,256)数据来创建一个列表，比如[(1,256,256), (1,256,256), (1,256,256)]，或者从这个例子中创建一个列表，比如[(1,256,256)]。前者是(3,1,256,256)，后者是(1,1,256,256) 4D张量，它将被千层面接口接受。

Answer 2

正如您在错误消息中所写的，输入应该是形状为(n_samples, n_channel, width, height)的4D张量。在MNIST的例子中，n_channels是1，width和height是28。

但您输入的是2D张量，形状为(28, 28)。您需要添加新的轴，您可以使用exampleChar = exampleChar[None, None, :, :]执行此操作

exampleChar = np.zeros(28, 28)
print exampleChar.shape 
exampleChar = exampleChar[None, None, :, :]
print exampleChar.shape

输出

(28, 28)
(1, 1, 28, 28)

注意:我认为您可以使用np.newaxis而不是None来添加轴。而且exampleChar = exampleChar[None, None]也应该可以工作。