Matrix TypeError:无法将类型TensorType（float64，vector）（变量子传感器{int64:int64:}.0）转换为类型TensorType（float64，矩阵）

我正在使用theano和他们的LeNet教程来训练CNN使用谷歌街景图片的数据集

我加载数据集：

train_set_x, train_set_y, \
valid_set_x, valid_set_y, \
test_set_x, test_set_y = manager.get_grayscale_data_dim()

我打印了尺寸：

self.train_data_dims (70000, 1024, 1)
self.train_labels_dims (70000, 1)
self.valid_data_dims (3250, 1024, 1)
self.valid_labels_dims (3250, 1)
self.test_data_dims (26000, 1024, 1)
self.test_labels_dims (26000, 1)

然后，我按照教程中的操作：

# allocate symbolic variables for the data
index = T.lscalar()  # index to a [mini]batch
x = T.matrix('x')   # the data is presented as rasterized images
y = T.ivector('y')  # the labels are presented as 1D vector of

print "y.type", y.type, "y.ndim", y.ndim
print "test_set_y", test_set_y.type, "test_set_y.ndim", test_set_y.ndim

打印结果：

y.type TensorType(int64, vector) y.ndim 1
test_set_y TensorType(int64, vector) test_set_y.ndim 1

我在这里遇到了问题（这是定义的第一个函数，接下来是验证和训练，只是为了不让您混淆名称，并且您不认为类似的训练和验证函数一切正常）：

创建一个函数来计算模型所犯的错误 确切地说，我有一个错误：

y: test_set_y[index * batch_size: (index + 1) * batch_size]

错误本身表示（afaiu）我正在尝试将smth转换为矩阵。 我想知道这是怎么回事

TypeError: Cannot convert Type TensorType(float64, vector) (of Variable Subtensor{int64:int64:}.0) into Type TensorType(float64, matrix). You can try to manually convert Subtensor{int64:int64:}.0 into a TensorType(float64, matrix).

最后，y和测试集y的尺寸一致。在我的代码中，它们都是一维向量。 为什么切片会导致错误？切片是否创建矩阵？更重要的是，我如何解决这个问题？ 提前谢谢

---

提前感谢您的帮助

您的输入数据看起来很奇怪，特别是标签显示为矩阵，而不是向量

self.train_data_dims (70000, 1024, 1)
self.train_labels_dims (70000, 1)
self.valid_data_dims (3250, 1024, 1)
self.valid_labels_dims (3250, 1)
self.test_data_dims (26000, 1024, 1)
self.test_labels_dims (26000, 1)

为什么所有这些在最后都有一个额外的尺寸1

我认为您需要更改数据加载代码以便打印

self.train_data_dims (70000, 1024, 1)
self.train_labels_dims (70000, )
self.valid_data_dims (3250, 1024, 1)
self.valid_labels_dims (3250, )
self.test_data_dims (26000, 1024, 1)
self.test_labels_dims (26000, )

这可以确保，例如，

test\u labels

是一个向量而不是一个矩阵。

展平数组

 y_out = theano.shared(np.asarray(y, dtype=theano.config.floatX), borrow=True)
 y_out = y_out.flatten()
 y_out = T.cast(y_out, 'int32')

---

我在self.train_data_dims（70000，1024，1）和其他变量中添加了一个额外的维度，以使其与RGB图像的情况一致，其中维度为（70000，1024，3），最后一个对应于RGB通道。此外，在他们给出的教程中，他们以如下方式重塑X矩阵：

layer0\u input=X。重塑（（批大小，1，图像行，图像列））

，其中

1

指定图像的深度。我尝试了

0

，但没有成功。此外，卷积本身是在图像的整个深度上执行的（在RGB情况下，深度=3），AFAIK。为什么标签向量不能是大小为（nx1）的矩阵？无论如何，我得到的标签尺寸是

1

。那么标签不是已经被当作向量了吗？即使在代码的开头，它们看起来像是在（nx1）矩阵中，我也不太清楚这种矩阵和向量之间的区别，只是后者指定的维数少了1个..好的，所以不需要更改数据本身，但标签确实需要是一个向量。在Theano中，形状为

（1，N）

或

（N，1）

的张量是一个矩阵（即它有两个维度；大小为1的维度是无关的）。由于您的代码包含

y=T.ivector（'y'）

标签需要以向量而不是矩阵的形式显示。

test\u set\u y.type TensorType（int32，vector）

和

y.type TensorType（int32，vector）

属于同一类型。但是，这行代码会导致错误：

y:test\u set\u y\u vec[index*batch\u size:（index+1）*batch\u size]

。我解决不了。我已经尝试将test\u set\u y显式声明为

T.iscalar

和

fill

来设置值。无法解决问题。您能否用随机值替换真实数据，并将脚本减少到仍然存在问题的最小数量，以便将其完整发布在此处？

 y_out = theano.shared(np.asarray(y, dtype=theano.config.floatX), borrow=True)
 y_out = y_out.flatten()
 y_out = T.cast(y_out, 'int32')