Comment swich théano.tenseur de numpy.tableau?

J'ai de simples codes comme indiqué ci-dessous:

class testxx(object):
    def __init__(self, input):
        self.input = input
        self.output = T.sum(input)
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype = np.float32)
classfier = testxx(a)
outxx = classfier.output
outxx = np.asarray(outxx, dtype = np.float32)

Cependant, je reçois les informations d'erreur suivant:

ValueError: setting an array element with a sequence.

De plus, lorsque j'utilise la fonction de théano.tenseur, il semble que ce qu'elle renvoie est appelé "tenseur", et je ne peux pas il suffit de le passer le type de numpy.tableau, même si le résultat doit être de la forme comme une matrice.

Donc ma question:comment puis-je passer en outxx de type numpy.tableau?

pouvez-vous poster le plein de trace d'erreur?

OriginalL'auteur user3633343 | 2014-05-14

  1. 3

    Théano "tenseur" variable variable symbolique. Ce que vous construisez avec eux sont comme un programme que vous écrivez. Vous avez besoin de compiler un Théano la fonction à exécuter ce que ce programme n'. Il y a 2 façons de compiler un Théano fonction:

    f = theano.function([testxx.input], [outxx])
f_a1 = f(a)

# Or the combined computation/execution
f_a2 = outxx.eval({testxx.input: a})

    Lorsque vous compilez un Théano fonction, vous devez dire ce que l'entrée et la sortie sont. C'est pourquoi il y a 2 paramètre dans l'appel de théano.la fonction(). eval() est une interface qui permettra de compiler et d'exécuter un Théano fonction d'une donnée symbolique entrées avec les valeurs correspondantes.

    OriginalL'auteur nouiz

  2. 1

    Depuis testxx utilise sum() de theano.tensor et pas de numpy, probablement qu'elle s'attend à un TensorVariable comme entrée, et non pas un tableau numpy.

    => Remplacer a = np.array(...) avec a = T.matrix(dtype=theano.config.floatX).

    Avant votre dernière ligne, outxx sera alors un TensorVariable qui dépend de la a. Vous pourrez ainsi évaluer en donnant la valeur de a.

    => Remplacez votre dernière ligne outxx = np.asarray(...) avec les deux lignes suivantes.

    f = theano.function([a], outxx)
outxx = f(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype = np.float32))

    Le code suivant s'exécute sans erreur.

    import theano
import theano.tensor as T
import numpy as np

class testxx(object):
    def __init__(self, input):
        self.input = input
        self.output = T.sum(input)
a = T.matrix(dtype=theano.config.floatX)
classfier = testxx(a)
outxx = classfier.output
f = theano.function([a], outxx)
outxx = f(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype = np.float32))

    Théano documentation sur l'ajout de scalaires donne d'autres exemples similaires.

    OriginalL'auteur xagg