Я пытаюсь построить нейронную сеть с одним нейроном, используя библиотеку pytorch. Это продолжает давать мне ошибку - PullRequest
Новая
       77

Я пытаюсь построить нейронную сеть с одним нейроном, используя библиотеку pytorch. Это продолжает давать мне ошибку

0 голосов
/ 30 апреля 2020

Я пытаюсь построить нейронную сеть с одним нейроном, используя библиотеку pytorch. Это мой код (ошибка внизу) 

import numpy as np
import random
import matplotlib.pyplot as plt

x_train = np.array([random.randint(1,1000) for x in range(1000)], dtype = np.float32)
y_train = np.array([int(num*3+1) for num in x_train], dtype = np.float32)

x_test = np.array([random.randint(1,1000) for x in range(1000)], dtype = np.float32)
y_test = np.array([int(num*3+1) for num in x_train], dtype = np.float32)

X_train = torch.from_numpy(x_train)
Y_train = torch.from_numpy(y_train)

plt.figure(figsize = (8,8))
plt.scatter(X_train, Y_train)
plt.show()

X_test = torch.from_numpy(x_test)
Y_test = torch.from_numpy(y_test)

input_size = 1
hidden_size = 1
output_size = 1
learning_rate = 0.1


w1 = torch.rand(input_size, hidden_size, requires_grad = True)
b1 = torch.rand(hidden_size, output_size, requires_grad = True)



for i in range(100):
    y_pred = X_train.mm(w1).clamp(min = 0).add(b1)
    loss = (Y_train-y_pred).pow(2).sum()

    loss.backward()

    with torch.no_grad():
        w1-=w1.grad*learning_rate
        b1 -= b1.grad*learning_rate
        w1.grad.zero_()
        b1.grad.zero_()

Когда я запускаю этот код, он выдает ошибку времени выполнения: 

RuntimeError                              Traceback (most recent call last)
<ipython-input-84-5142b17ecfff> in <module>
     32 
     33 for i in range(100):
---> 34     y_pred = X_train.mm(w1).clamp(min = 0).add(b1)
     35     loss = (Y_train-y_pred).pow(2).sum()
     36 

RuntimeError: matrices expected, got 1D, 2D tensors at C:\w\1\s\windows\pytorch\aten\src\TH/generic/THTensorMath.cpp:192

Что не так с этой строкой код и как заставить его работать как запланировано.

1 Ответ

0 голосов
/ 30 апреля 2020

torch ожидает двумерный ввод, поэтому вам необходимо добавить новое измерение к тензорам входных данных. 

X_train = torch.from_numpy(x_train[..., np.newaxis])
X_test = torch.from_numpy(x_test[..., np.newaxis])

Как кто-то прокомментировал выше, вы также можете использовать torch.unsqueeze: 

for i in range(100):
    y_pred = torch.unsqueeze(X_train, 1).mm(w1).clamp(min = 0).add(b1)
    loss = (Y_train-y_pred).pow(2).sum()

Оба делают то же самое. Первый применяет его к массивам numpy, а второй - к тензорам torch. Оба приведут к этой форме, которая является правильным форматом для torch: 

Out[13]: torch.Size([1000, 1])
...