我在danielnouri博客文章中使用的神经网络的帮助下进行分类。训练数据的总大小为6300个样本。数据为20*20大小的字符图片。我不知道如何选择output_num_units的大小。唯一类的总数为63。提取物的形状为(6283L，400L(。yTrain的形状为(6283L，(。下面是网络的代码。
net1 = NeuralNet(
layers=[ # three layers: one hidden layer
('input', layers.InputLayer),
('hidden', layers.DenseLayer),
('output', layers.DenseLayer),
],
# layer parameters:
input_shape=(None, 400), # 20x20 input pixels per batch
hidden_num_units=100, # number of units in hidden layer
# output layer uses identity function
output_nonlinearity=lasagne.nonlinearities.softmax,
output_num_units=63,
# optimization method:
update=nesterov_momentum,
update_learning_rate=0.01,
update_momentum=0.9,
# flag to indicate we're dealing with regression problem
regression=False,
max_epochs=400, # we want to train this many epochs
verbose=1,
)
net1.fit(xTrain, yTrain)
如果我选择大小为63，我会得到以下错误：
net1.fit(xTrain，yTrain(文件"C:\Users\FTS.FTS gnosis\Anaconda2\lib\site packages\nolearn\lasagne\base.py"，第539行，适合self.train_loop(X，y，划时代=划时代(文件"C:\Users\FTS.FTS gnosis\Anaconda2\lib\site packages\nolearn\lasagne\base.py"，第597行，在train_loop中self.apply_batch_func(self.train_iter_，Xb，yb(文件"C:\Users\FTS.FTS gnosis\Anaconda2\lib\site packages\nolearn\lasagne\base.py"，第687行，在apply_batch_func中如果yb为None else func(Xb，yb(，则返回func调用中的文件"C:\Users\FTS.FTS gnosis\Anaconda2\lib\site packages\theano\compile\function_module.py"，第879行storage_map=getattr(self.fn，'storage_map'，无((文件"C:\Users\FTS.FTS gnosis\Anaconda2\lib\site packages\theano\gof\link.py"，第325行，在raise_with_op中重新评估(exc_type、exc_value、exc_trace(文件"C:\Users\FTS.FTS gnosis\Anaconda2\lib\site packages\theano\compile\function_module.py"，第866行，在调用中self.fn((如果output_subet为None else\ValueError:y_i值越界应用导致错误的节点：CrossentropySoftmaxArgmax1HotWithBias(Dot22.0，output.b，y_batch(拓扑索引：11输入类型：[TensorType(float64，matrix(，TensorType(float 64，vector(，TensorType(int32，vector输入形状：[(128L、63L(、(63L，(、(128L，(]输入步幅：[(504L，8L(，(8L，(，(4L，(]输入值：[未显示，未显示，没有显示]输出客户端：[[Sum｛acc_dtype＝float64｝(CrossentropySoftmaxArgmax1HotWithBias.0。这可以通过设置Theano标志"优化器=fast_compile"来完成。如果不起作用，则可以使用"优化器=无"禁用Theano优化。提示：使用Theano标志"exception_verbosity=high"用于此应用节点的调试打印和存储映射封装。
如果我更改
output_nonlinearity=lasagne.nonlinearities.rectify
我得到以下错误：
文件"C:\Users\FTS.FTS gnosis\Anaconda2\lib\site packages\theano\ttensor\net\net.py"，第1453行，执行y[i]=-numpy.log(编码[i，one_of_n[i]](IndexError:索引107超出了大小为63的轴1的界限应用导致错误的节点：CrossentropyCategory1Hot(Elemwise｛Composite｛(i0*(Abs(i1(+i2+i3((｝｝[(0，2(].0，y_batch(拓扑索引：14输入类型：[TensorType(float64，matrix(，TensorType(int32，vector(]输入形状：[(128L，63L(，(128L(]输入步幅：[(504L，8L(，(4L，(]输入值：[未显示，未显示]输出客户端：[[Sum｛acc_dtype＝float64｝(CrossentropyCategory1Hot.0(]]创建节点时的回溯(使用Theano标志traceback.limit=N使其更长(：文件"C:\Users\FTS.FTS gnosis\workspace\hello1\facialrec.py"，第200行，位于net1.fit(xTrain，yTrain(
我怀疑您的类没有被编码为整数0-62，在这种情况下，您可以将use_label_encoder=True传递给NeuralNet，让它自动进行编码。