亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

我正在嘗試使用 pytorch 庫構建一個帶有一個神經元的神經網絡。它一直給我一個錯誤

我正在嘗試使用 pytorch 庫構建一個帶有一個神經元的神經網絡。它一直給我一個錯誤

牧羊人nacy 2022-11-01 15:54:21
我正在嘗試使用 pytorch 庫構建一個帶有一個神經元的神經網絡。這是我的代碼(錯誤在底部)import numpy as npimport randomimport matplotlib.pyplot as pltx_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 = 1hidden_size = 1output_size = 1learning_rate = 0.1w1 = 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_()當我運行此代碼時,它給了我一個運行時錯誤: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那行代碼有什么問題以及如何使其按計劃工作。
查看完整描述

1 回答

?
烙印99

TA貢獻1829條經驗 獲得超13個贊

torch需要 2D 輸入,因此您需要為輸入張量添加一個新維度。

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

正如上面有人評論的那樣,您還可以使用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()

兩者都做同樣的事情。前者將其應用于numpy數組,后者將其應用于torch張量。兩者都會產生這種形狀,這是正確的格式torch

Out[13]: torch.Size([1000, 1])


查看完整回答
反對 回復 2022-11-01
  • 1 回答
  • 0 關注
  • 117 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號