维数错误:预期为 0,得到形状为 (1,) 的 1

Wrong number of dimensions: expected 0, got 1 with shape (1,)

我正在使用 vanilla rnn 进行词级语言建模,我能够训练模型,但由于某些奇怪的原因,我无法从模型中获得任何 samples/predictions;这是代码的相关部分:

train_set_x, train_set_y, voc = load_data(dataset, vocab, vocab_enc)  # just load all data as shared variables
index = T.lscalar('index')
x = T.fmatrix('x')
y = T.ivector('y')
n_x = len(vocab)
n_h = 100
n_y = len(vocab)

rnn = Rnn(input=x, input_dim=n_x, hidden_dim=n_h, output_dim=n_y)

cost = rnn.negative_log_likelihood(y)

updates = get_optimizer(optimizer, cost, rnn.params, learning_rate)

train_model = theano.function(
    inputs=[index],
    outputs=cost,
    givens={
        x: train_set_x[index],
        y: train_set_y[index]
    },
    updates=updates
)

predict_model = theano.function(
    inputs=[index],
    outputs=rnn.y,
    givens={
        x: voc[index]
    }
)

sampling_freq = 2
sample_length = 10
n_train_examples = train_set_x.get_value(borrow=True).shape[0]
train_cost = 0.
for i in xrange(n_train_examples):
    train_cost += train_model(i)
    train_cost /= n_train_examples

    if i % sampling_freq == 0:
       # sample from the model     
       seed = randint(0, len(vocab)-1)
       idxes = []
       for j in xrange(sample_length):
           p = predict_model(seed)
           seed = p
           idxes.append(p)
           # sample = ''.join(ix_to_words[ix] for ix in idxes)
           # print(sample)

我收到错误:"TypeError: ('Bad input argument to theano function with name "train.py:94" at index 0(0-based)', 'Wrong number of dimensions: expected 0, got 1 with shape (1,).')"

现在这对应于以下行(在 predict_model 中):

 givens={   x: voc[index]   }

即使花了几个小时我也无法理解尺寸不匹配的原因:

train_set_x has shape: (42, 4, 109)
voc has shape: (109, 1, 109)

当我执行 train_set_x[index] 时,我得到 (4, 109) 其中 'x' fmatrix 类型的张量可以保持(这就是 train_model 中发生的情况)但是当我执行 voc[index] 时,我得到 (1, 109) ,它也是一个矩阵,但是'x'不能容纳这个,为什么? !

任何帮助将不胜感激。

谢谢!

错误消息指的是名为 predict_model 的整个 Theano 函数的定义,而不是替换为 givens 的特定行。

问题似乎是 predict_model 被调用的参数是 长度为 1 的向量而不是 标量 .从 randint 采样的初始 seed 实际上是一个标量,但我猜测 predict_model(seed) 的输出 p 是一个向量而不是标量。

在这种情况下,您可以在 predict_model 中 return rnn.y[0],或者在 [=21= 的循环中将 seed = p 替换为 seed = p[0] ].