我编写了深度学习算法的代码 . 但是我只是处于加载数据的最后阶段 .
self.x = T.imatrix("x")
self.y = T.ivector("y")
被定义为保存数据的变量
那我呢
train_x, train_y, train_lengths = dataUtils.read_and_sort_matlab_data(path+"train.txt",path+"train_lbl.txt")
validate_x, validate_y, validate_lengths = dataUtils.read_and_sort_matlab_data(path+"valid.txt",path+"valid_lbl.txt")
tested_x, tested_y, tested_lengths = dataUtils.read_and_sort_matlab_data(path+"test.txt",path+"test_lbl.txt")
这里我检查了变量的类型，train_y的类型为numpy.ndarray，其形状为（2000，），train_y [0]的类型为'int32' .
然后我将数据放入theano共享变量
training_x,training_y = shared(train_x,train_y)
validation_x,validation_y = shared(validate_x,validate_y)
test_x,test_y = shared(tested_x,tested_y)
共享功能的定义如下
def shared(data_x,data_y):
shared_x = theano.shared(np.asarray(data_x, dtype=theano.config.floatX), borrow=True)
shared_y = theano.shared(np.asarray(data_y, dtype=theano.config.floatX), borrow=True)
return shared_x, T.cast(shared_y, "int32")
我在以下代码中收到错误
train_mb = theano.function(
[i], cost, updates=updates,
givens={
self.x:
training_x[i*self.document_length: (i+1)*self.document_length],
self.y:
training_y[i: (i+1)]
})
在线
training_y[i: (i+1)]
错误是
TypeError：无法将Type TensorType（float32，matrix）（Variable Subtensor {int64：int64：} . 0）转换为Type TensorType（int32，matrix） . 您可以尝试手动将Subtensor {int64：int64：} . 0转换为TensorType（int32，矩阵） .
当我已经转换了shared_y变量时，有人可以告诉我们引入了float32的位置吗？以及如何纠正此错误 . 另外，为什么在train_y是一个向量的错误语句中有矩阵，因为它的形状是什么？
1 回答
我找到了答案 . 它实际上是training_x位，它给出的错误不是training_y .