Neural network 在Dynet中添加numpy数组和表达式的正确方法？

在Dynet中添加参数和numpy生成的数组的正确方法是什么？例如，当我尝试以下操作时：

from dynet import *
import numpy as np
import numpy.matlib as npm

model = ParameterCollection()
....
LayerA = model.add_parameters((1, 100))
LayerA = model.add_parameters((1, 100))
...
normal = np.random.normal(npm.zeros((1, 100)), npm.ones((1, 100)))
Layer = LayerA + cmult(LayerB,normal) # cmult is Dynet component-wise multiplication
...
output = Layer.expr() * activation(...)

它给了我以下的错误

TypeError: Argument 'x' has incorrect type (expected _dynet.Expression, got _dynet.Parameters)

TypeError: Argument 'y' has incorrect type (expected _dynet.Expression, got numpy.ndarray)

所以，我尝试了这个，而不是上面提到的

Layer = LayerA + cmult(LayerB.expr(),normal)

但它给了我以下的错误

TypeError: Argument 'x' has incorrect type (expected _dynet.Expression, got _dynet.Parameters)

TypeError: Argument 'y' has incorrect type (expected _dynet.Expression, got numpy.ndarray)

所以我想我可能需要把numpy数组转换成dynet表达式

Layer = LayerA.expr() + cmult(LayerB.expr(),inputTensor(normal))
...
output = Layer * activation(...)

它没有任何错误地通过，但它在我调用

output.scalar\u value（）

的其他地方抱怨

---

.scalar\u value（）

仅适用于单个值的表达式，请改用

.value（）

。谢谢！很好的发现——关于转换本身：生成一个numpy数组然后将其转换为表达式似乎有点奇怪。可能有更好的方法吗？不，表达式运算只能在表达式对象之间进行（这就是为什么您还需要使用

LayerA.expr（）

或

dy.parameter（LayerA））转换参数的原因

。对于numpy数组也是如此。表达式是计算图的组成部分，因此每次更新计算图时都需要进行此转换（

dy.renew\u cg（）

）。我明白了-奇怪的问题：有没有办法将参数转换为表达式，然后再将其转换回参数？您可以计算表达式的值（以获取例如数组）并使用它初始化新的参数对象，但我认为您无法直接检索原始参数。您希望实现什么？