Ошибка: размер (ХХ) должен соответствовать произведению формы х, х, х, х - PullRequest
Новая
       57

Ошибка: размер (ХХ) должен соответствовать произведению формы х, х, х, х

0 голосов
/ 14 октября 2019

Это вопрос новичка, но любая помощь будет принята.

У меня проблема с 3D-тензором в TensorFlow.JS (узел) со следующим кодом: 

const tf = require('@tensorflow/tfjs-node');

(async ()=>{

    let list = [
        {
            xs: [
                [
                    [ 0.7910133603149169, 0.7923634491520086, 0.79166712455722, 0.7928027625311359, 0.4426631841175303, 0.018719529693542337 ],
                    [ 0.7890709817505044, 0.7943561081665688, 0.7915865358198619, 0.7905450669351226, 0.4413258183256521, 0.04449784810703526 ],
                    [ 0.7940229392692819, 0.7924745639669473, 0.7881395357356101, 0.7880208892359736, 0.40902353356570315, 0.14643954229459097 ],
                    [ 0.801474878324385, 0.8003822349633881, 0.7969969705961001, 0.7939094034872144, 0.40227041242732126, 0.03893523221469505 ],
                    [ 0.8022503526561848, 0.8011600386679555, 0.7974621873981194, 0.8011488339557422, 0.43008361179994464, 0.11210020422004835 ],
                ],
                [
                    [ 0.8034111510684465, 0.7985390234525179, 0.7949321830852709, 0.7943788081438548, 0.5739870761673189, 0.13358267460835263 ],
                    [ 0.805714476773561, 0.8072996569653942, 0.8040745782073486, 0.8035592212810225, 0.5899031300445114, 0.03229758335964042 ],
                    [ 0.8103322733081704, 0.8114317495511435, 0.8073606480159334, 0.8057140734135828, 0.5842202187553198, 0.01986941729798157 ],
                    [ 0.815132106874313, 0.8122641403791668, 0.8104353115275772, 0.8103395749739932, 0.5838313552472632, 0.03332674037143093 ],
                    [ 0.8118480102237944, 0.8166500561770489, 0.8128943005604122, 0.8147644523703373, 0.601619389872815, 0.04807286626501376 ],
                ]
            ],
            ys: 1
        }
    ];


    const ds = tf.data.generator(async () => {

        let index = 0;

        return {
            next: async () => {

                if(index >= list.length) return { done : true };
                let doc = list[index];
                index++;

                return {
                    value: {
                        xs : doc.xs,
                        ys : doc.ys
                    },
                    done: false
                };
            }
        };
    }).batch(1);

    let model = tf.sequential();
    model.add(tf.layers.dense({units: 60, activation: 'relu', inputShape: [2, 5, 6]}));

    model.compile({
        optimizer: tf.train.adam(),
        loss: 'sparseCategoricalCrossentropy',
        metrics: ['accuracy']
    });

    await model.fitDataset(ds, {epochs: 1});

    return true;

})().then(console.log).catch(console.error);

Этот код генерирует следующую ошибку: 

Error: Size(60) must match the product of shape 1,2,5,60
    at Object.inferFromImplicitShape

Я не понял, почему слой меняет последнее значение inputShape с 6 на 60 (что являетсяожидаемые выходные единицы для этого слоя).

Просто для подтверждения, насколько я знаю, units должен быть произведением: batchSize * x * y * z, в примере: 1 * 2 * 5 * 6 = 60

Спасибо!

Спецификация программного обеспечения:

  • Узел tfjs: v1.2.11
  • Узел JS: v11.2.0
  • ОС: Ubuntu 18.04.2

1 Ответ

0 голосов
/ 19 октября 2019

Хорошо, проблема в том, что полностью подключенный слой (ts.layer.dense) ожидает tensor1d в качестве ввода, как описано в этом другом вопросе: Почему мы сглаживаем данные перед тем, как передать их в тензорный поток?

Таким образом, чтобы сделать трюк, тензор должен быть переделан перед полностью соединенным слоем, как: 

                return {
                    value: {
                        xs : ts.reshape(doc.xs, [-1]),
                        ys : doc.ys
                    },
                    done: false
                };

Где -1 в ts.reshape(tensor, [-1]) означаетк функции преобразования сглаживают тензор.

Для наглядной демонстрации, вот видео на YouTube: CNN Flatten Operation Visualized

...