Lua torch7神经网络训练误差

我正在尝试在torch7中实现一个神经网络示例。我的数据以以下形式存储在文本文件中[19列x 10000行]：

11 38 20 44 11 38 21 44 29 42 30 44 34 38  6 34 45 42 1
11 38 20 44 11 38 27 44 31 42 18 44 34 38  6 34 45 42 2
6  42 20 44 11 38 21 44 29 42 30 44 34 38  6 34 45 42 3
...
34 40 20 44 11 38 21 44 29 38 30 38 34 45 38  0  0  0 100
...

标签位于最后一列[100个标签]

使用此代码：

require 'nn'
-- ======================================= --
--           Start loading data   
-- ======================================= --
print '[INFO] Loading data..'
dataset = {}
function dataset:size() return 10000 end 
local lin = 1

train_file = 'train_10000.t7'
local file = io.open(train_file)
if file then
    for line in file:lines() do
            local input = torch.Tensor(18);
            local output = torch.Tensor(1);

        local X1, X2, X3, X4, X5, X6, X7, X8, X9, X10, X11, X12, X13, X14, X15, X16, X17, X18, Y = unpack(line:split(" "))                

        input  = {X1, X2, X3, X4, X5, X6, X7, X8, X9, X10, X11, X12, X13, X14, X15, X16, X17, X18}
        output = Y

        dataset[lin] = {input, output}        
        lin = lin +1        
    end
end
-- ======================================= --
--                 Create NN   
-- ======================================= --
print '[INFO] Creating NN..'
mlp = nn.Sequential();  -- make a multi-layer perceptron
inputs = 18; outputs = 1; HUs = 25; -- parameters
mlp:add(nn.Linear(inputs, HUs))
mlp:add(nn.Tanh())
mlp:add(nn.Linear(HUs, outputs))
-- ======================================= --
--           MSE and Training  
-- ======================================= --
print '[INFO] MSE and train NN..'
criterion = nn.MSECriterion()  
trainer = nn.StochasticGradient(mlp, criterion)
trainer.learningRate = 0.01
trainer:train(dataset)   

我收到了以下错误消息：

# StochasticGradient: training  
/home/yosaikan/torch/install/share/lua/5.1/nn/Linear.lua:34: attempt to call method 'dim' (a nil value)
stack traceback:
    /home/yosaikan/torch/install/share/lua/5.1/nn/Linear.lua:34: in function 'updateOutput'
    ...e/yosaikan/torch/install/share/lua/5.1/nn/Sequential.lua:25: in function 'forward'
    ...an/torch/install/share/lua/5.1/nn/StochasticGradient.lua:35: in function 'train'
    iparseSchemeConversion.lua:45: in main chunk
    [C]: in function 'f'
    [string "local f = function() return dofile 'iparseSch..."]:1: in main chunk
    [C]: in function 'xpcall'
    /home/yosaikan/torch/install/share/lua/5.1/itorch/main.lua:174: in function </home/yosaikan/torch/install/share/lua/5.1/itorch/main.lua:140>
    /home/yosaikan/torch/install/share/lua/5.1/lzmq/poller.lua:75: in function 'poll'
    .../yosaikan/torch/install/share/lua/5.1/lzmq/impl/loop.lua:307: in function 'poll'
    .../yosaikan/torch/install/share/lua/5.1/lzmq/impl/loop.lua:325: in function 'sleep_ex'
    .../yosaikan/torch/install/share/lua/5.1/lzmq/impl/loop.lua:370: in function 'start'
    /home/yosaikan/torch/install/share/lua/5.1/itorch/main.lua:341: in main chunk
    [C]: in function 'require'
    (command line):1: in main chunk
    [C]: at 0x00405980

#随机梯度：训练
/home/yosaikan/torch/install/share/lua/5.1/nn/Linear.lua:34：尝试调用方法“dim”（一个nil值）
堆栈回溯：
/home/yosaikan/torch/install/share/lua/5.1/nn/Linear.lua:34:in函数“updateOutput”
…e/yosaikan/torch/install/share/lua/5.1/nn/Sequential.lua:25:功能“前进”
…an/torch/install/share/lua/5.1/nn/StochasticGradient.lua:35:功能“训练”
iparseSchemeConversion.lua:45:在主块中
[C] ：在函数“f”中
[字符串“local f=function（）返回dofile'iparseSch…”]：1:在主块中
[C] ：在函数“xpcall”中
/home/yosaikan/torch/install/share/lua/5.1/itorch/main.lua:174:功能正常
/home/yosaikan/torch/install/share/lua/5.1/lzmq/poller.lua:75:函数“poll”
…/yosaikan/torch/install/share/lua/5.1/lzmq/impl/loop.lua:307:在函数“poll”中
…/yosaikan/torch/install/share/lua/5.1/lzmq/impl/loop.lua:325:函数“sleep_ex”
…/yosaikan/torch/install/share/lua/5.1/lzmq/impl/loop.lua:370:在函数“启动”中
/home/yosaikan/torch/install/share/lua/5.1/itorch/main.lua:341:in-main块
[C] ：在函数“require”中
（命令行）：1:在主块中
[C] ：在0x00405980处

你能帮帮我吗

多谢各位

我收到了这个错误消息[…]你能帮我吗

在您的数据集中，

input

和

output

应该是

Tensor

-s（此处

input

是一个普通的Lua表，这就是您获得此错误的原因，即没有

dim

方法）

为了简化数据加载，我建议您使用，例如，您可以使用将数据加载到

张量中

首先，确保向文件中添加标题（作为第一行），如：

x001,x002,x003,x004,x005,x006,x007,x008,x009,x010,x011,x012,x013,x014,x015,x016,x017,x018,label

然后按如下方式加载数据：

local csv2tensor = require 'csv2tensor'

local inputs = csv2tensor.load("data.csv", {exclude={"label"}})
local labels = csv2tensor.load("data.csv", {include={"label"}})

local dataset = {}

for i=1,inputs:size(1) do
  dataset[i] = {inputs[i], torch.Tensor{labels[i]}}
end

dataset.size = function(self)
  return inputs:size(1)
end

并使用此数据集进行培训：

-- ...
trainer:train(dataset)

你的回答是对的谢谢边（因为英语中不允许评论！）。我还有几个问题：我应该规范化数据集吗？如何恢复最佳权重值？您可以使用
mlp:getParameters（）
（参见此）或每个模块获取权重，例如
mlp:get（1）.权重
和
mlp:get（1）.偏差
。关于规范化/重缩放：您可以进行实验。@delthel。此方法读取整个data.csv两次。有没有一种方法可以读取一次数据，然后将其分为输入和标签？下面是一个简单的示例（数据首先加载到表中，然后转换为张量），它可以与csv解析器一起使用：。很棒的主题家伙！实际上我也有同样的问题。我对代码的设置与您的建议基本相同，但是我得到了一个错误“尝试索引upvalue‘输入’（一个数值）堆栈回溯：/Users/robertgrzesik/Lua/async master/tests/dp test.Lua:29:in function‘size’…ik/torch/install/share/Lua/5.1/nn/StochasticGradient.Lua:19:in function‘train function’”，它指的是“dataset.size=函数（自）返回输入：size（1）end”。有什么想法吗？