TypeError：長さ1の配列のみをPythonスカラに変換できます。ニューラルネットワーク

Question

ニューラルネットワークをトレーニングすると、[float(i) for i in X_Test]にこのエラーが表示されますが、X_TrainとX_Testにフロートキャストを削除するとエラーはなくなりますあなたは（（）の外側の層が不要である）

X_Test = x_actual[int(ceil((lines*(percentage/100)))+1):] 

が生成するのか理解を確認してくださいコードx = T.dmatrix('Inputs')

import theano 
import theano.tensor as T 
import numpy as np 
import matplotlib.pyplot as plt 
from six.moves import cPickle 
import csv, math 
from numpy import ceil 

# Declare constants 
HIDDEN_NEURONS = 50 
NUM_CLASSES = 3 
NUM_FEATURES = 0 
LEARNING_RATE = 0.01 
XVAL_SIZE = 0.1 
NUM_EPOCHS = 10 

raw_data = open("wine.data", 'rb') 
temp = list(csv.reader(raw_data, delimiter=',', quoting=csv.QUOTE_NONE)) 
data = np.array(temp) 

np.random.shuffle(data) 

percentage = 75 
lines = 0 
labels = data[:,0] 
x_actual = data[:,0:] 

with open("wine.data") as f: 
    lines = len(f.readlines()) 

X_Train = (x_actual[0:int(np.ceil(lines * (percentage/100)))]) 
X_Test = (x_actual[int(ceil((lines*(percentage/100)))+1):]) 

[float(i) for i in X_Train] 
[float(i) for i in X_Test] 

train_label = labels[:int(ceil(lines*(percentage/100)))] 
test_label = labels [int(ceil((lines*(percentage/100)+1))):] 

LEARNING_RATE = 0.5 
NUM_EPOCHS = 200 

rng = np.random.RandomState(1234) 

NUM_FEATURES = X_Train.shape[1] 

# Declare symbols 
x = T.dmatrix('Inputs') 
y = T.dmatrix('Outputs') 
t = T.dmatrix('Target Values') 
Netj = T.dmatrix('Net of hidden layer') 
Netk = T.dmatrix('Net of output layer') 
Aj = T.dmatrix('Activation of hidden layer') 
Wj = np.random.rand(NUM_FEATURES, HIDDEN_NEURONS) * 0.01 
Wk = np.random.rand(HIDDEN_NEURONS, NUM_CLASSES) * 0.01 
Weights = theano.shared(value=np.concatenate((Wj.ravel(), Wk.ravel()), axis=0), 
        name="Weights ravelled") 

# Define equations 
Netj = T.dot(x, Weights[0:NUM_FEATURES * HIDDEN_NEURONS] 
     .reshape((NUM_FEATURES, HIDDEN_NEURONS))) 


Aj = T.nnet.sigmoid(Netj) 

Aj_test = Aj 


y_test = T.nnet.softmax(Aj_test) 

cost = T.mean(T.nnet.categorical_crossentropy(y_test, t)) 


Grads = T.grad(cost, Weights) 

# Define Functions 

computeCost = theano.function([y_test, t], cost) 

forwardProp = theano.function([x], y_test) 
forwardProp_test = theano.function([x], y_test) 


updates = [(Weights, Weights - LEARNING_RATE * (Grads))] 
trainModel = theano.function([x, t], cost, updates=updates) 


costs = {'training': list(), 'xval': list()} 
for i in range(NUM_EPOCHS): 
    print "Epoch number: " + str(i + 1) 
    costs['training'].append(trainModel(X_Train, train_label)) 
    if(i % 10 == 0 and i > 0): 
     Test_Result = np.argmax(forwardProp_test(X_Test), axis=1) 
     Score = float(len(np.where(Test_Result == train_label)[0]))/float( 
     (train_label.shape[0])) * 100 
     print "The model classified with an accuracy of: %.2f" % (
     float(Score)) + "%" 

    plt.plot(range(NUM_EPOCHS), costs['training'], 
     range(NUM_EPOCHS), costs['xval']) 
    plt.show() 
    Test_Result = np.argmax(forwardProp(X_Test), axis=1) 
    Score = float(len(np.where(Test_Result == train_label)[0]))/float(
    (train_label.shape[0])) * 100 
    print "The model performed with an accuracy of: %.2f" % (float(Score)) + "%" 

Answer 1

のこの部分では代わりにufunc 'add' did not contain a loop with signature matching types dtype('S32') dtype('S32') dtype('S32')別のエラーを取得します。おそらく配列であり、エラーから判断すると2次元です。それで、それを反復すると、1次元の配列が生成されます。

全体を印刷するには大きすぎる場合は、shapeとdtypeを印刷します。 type(X_Test)もndarrayであることを確認するのに役立ちます。

この式はうまくいきましたが、X_Testは浮動小数点に変換されません。それはちょうど何か他のものの新しいリストを生成するだけです。

[float(i) for i in X_Test] 

X_Test = X_Test.astype(float)がフロートの新しい配列を生成するために必要とされます。

私の2番目のエラーは、最初のエラーとは関係がないと思います。あなたは決してそれに行くことはありません。それは私の専門分野の外にあるTheanoエラーのようです。