Neural network Julia lang错误:加载错误:未定义错误:未定义列车
这是我第一次来朱莉娅Neural network Julia lang错误:加载错误:未定义错误:未定义列车,neural-network,julia,training-data,vscode-debugger,Neural Network,Julia,Training Data,Vscode Debugger,这是我第一次来朱莉娅 using Pkg Pkg.add("Flux") Pkg.add("MLDatasets") Pkg.add("Lathe") #download MNIST using MLDatasets FashionMNIST.download(i_accept_the_terms_of_use=true) train_x, train_y = FashionMNIST.traindata(); test_x, test_y = FashionMNIST.testdat
using Pkg
Pkg.add("Flux")
Pkg.add("MLDatasets")
Pkg.add("Lathe")
#download MNIST
using MLDatasets
FashionMNIST.download(i_accept_the_terms_of_use=true)
train_x, train_y = FashionMNIST.traindata();
test_x, test_y = FashionMNIST.testdata();
#import Flux
using Flux, Statistics
using Flux: onehotbatch, onecold, crossentropy, throttle, params
using Lathe.stats: mean
using Base.Iterators: partition
using Random
#model
model() = Chain(
Conv((5, 5), 1 => 64, elu, pad=(2, 2), stride=(1, 1)),
BatchNorm(64),
MaxPool((3, 3), pad=(2, 2), stride=(2, 2)),
Dropout(0.25),
Conv((5, 5), 64 => 128, elu, pad=(2, 2), stride=(1, 1)),
BatchNorm(128),
MaxPool((2, 2), stride=(2, 2)),
Dropout(0.25),
Conv((5, 5), 128 => 256, elu, pad=(2, 2), stride=(1, 1)),
BatchNorm(256),
MaxPool((2, 2), stride=(2, 2)),
Dropout(0.25),
x -> reshape(x, :, size(x, 4)),
Dense(2304, 256, elu),
Dropout(0.5),
Dense(256, 10),
softmax) |> gpu
N = size(train_x)[end]
ixs = collect(1:N)
shuffle!(ixs)
n = Int(floor(.9 * N))
function make_batches(data; bs=100)
n = size(data[1])[end]
sz = (28, 28, 1, bs)
iter = [(reshape(Float32.(data[1][:, :, i]), sz), onehotbatch(data[2][i], 0:9)) for i in partition(1:n, bs)] |> gpu
end
train = make_batches(train)
val = make_batches(val)
test = make_batches(test);
m = model()
function met(data)
global batch_idx
acc = 0
for batch in data
x, y = batch
pred = m(x) .> 0.5
tp = Float32(sum((pred .+ y) .== Int16(2)))
fp = Float32(sum((pred .- y) .== Int16(1)))
fn = Float32(sum((pred .- y) .== Int16(-1)))
tn = Float32(sum((pred .+ y) .== Int16(0)))
acc += (tp + tn) / (tp + tn + fp + fn)
end
acc /= length(data)
push!(eval_acc, acc)
if batch_idx % 100 == 0
@show(batch_idx)
end
batch_idx += 1
end
loss(x, y) = crossentropy(m(x), y)
evalcb = () -> met(val)
Flux.train!(loss, params(m), train, opt, cb = evalcb)
met(test)
println("accuracy:", eval_acc[1])
在上面的代码中,我有一个错误:error:LoadError:UndefVarError:train未定义。
我有朱莉娅1.4。
请帮帮我。
这是生产线中的问题:生产线=生产批量(生产线)或
通量,火车!(损失、参数(m)、列车、opt、cb=evalcb)。
我认为这是朱莉娅版本的问题。请帮我找到解决方法。在您的代码中,train与任何其他变量一样。 为了在Julia中使用变量,首先需要声明它 也许您在代码中的意思是:
train = make_batches(train_x)
在您的代码中,train与任何其他变量一样。 为了在Julia中使用变量,首先需要声明它 也许您在代码中的意思是:
train = make_batches(train_x)
如果您提供更多的堆栈跟踪,通常会更容易给出提示。通过这种方式,人们可以看到错误发生的位置。如果您提供更多的堆栈跟踪,通常会更容易给您提示。这样人们就可以看到错误发生的地方。