Neural network 千层面的目标值形状

我试着训练一个暹罗千层面模型，一批100个。 输入是X1（100x3x100x100）和X2（相同大小）以及Y（100x1），我的最后一层是一个输出维度的密集层，因为我期望值为0或1作为目标值。但是，它会为意外维度抛出一个错误。以下是代码摘录：

input1 = lasagne.layers.InputLayer(shape=(None,3, 100, 100), input_var=None)
conv1_a = lasagne.layers.Conv2DLayer(input1, 
                                num_filters=24, 
                                filter_size=(7, 7),
                                nonlinearity=lasagne.nonlinearities.rectify)

pool1_a = lasagne.layers.MaxPool2DLayer(conv1_a, pool_size=(3, 3), stride=2)

第二层同上。 输出层：

dense_b = lasagne.layers.DenseLayer(dense_a,
                                num_units=128,
                                nonlinearity=lasagne.nonlinearities.rectify)
dense_c = lasagne.layers.DenseLayer(dense_b,
                                num_units=1,
                                nonlinearity=lasagne.nonlinearities.softmax)

net_output = lasagne.layers.get_output(dense_c)
true_output = T.ivector('true_output')

培训代码如下：

loss_value = train(X1_train,X2_train,Y_train.astype(np.int32))
print loss_value

ValueError:输入维度不匹配。（输入[0]。形状[1]=100， 输入[1]。形状[1]=1）导致错误的应用节点： 元素{Composite{（（i0*i1）+（i2* log1p（（-i3））}}（InplaceDimShuffle{x，0}.0，LogSoftmax.0， Elemwise{sub，no_in place}.0，SoftmaxWithBias.0）拓扑排序索引：113 输入类型：[TensorType（int32，行），TensorType（float32，矩阵）， TensorType（浮点64，行），TensorType（浮点32，矩阵）]输入形状： [（1100），（100,1），（1100），（100,1）]输入跨步：[（400,4）， （4,4）、（800,8）、（4,4）]输入值：[“未显示”、“未显示”， “未显示”、“未显示”]输出客户端： [[Sum{acc_dtype=float64}（Elemwise{Composite{（（i0*i1）+（i2* log1p（（-i3））}}}.0]]

尝试使用以下方法：

import draw_net
dot = draw_net.get_pydot_graph(lasagne.layers.get_all_layers(your_last_layer), 
verbose = True)

dot.write("test.pdf", format="pdf")

要以pdf格式转储千层面图（需要安装graphviz）

请尝试使用以下方法：

import draw_net
dot = draw_net.get_pydot_graph(lasagne.layers.get_all_layers(your_last_layer), 
verbose = True)

dot.write("test.pdf", format="pdf")

---

要以pdf格式转储千层面图（需要安装graphviz）

您还可以添加

dense\u a

的定义吗？您还可以添加

dense\u a

的定义吗？