Python 为培训师设置数据时出现PyBrain断言错误

我正在尝试用Python（使用PyBrain）建立一个神经网络，用于预测目的。我已经用一个小的模拟数据集设置了一个，但是当扩展这个网络来处理更大的数据集时，我遇到了一个关于断言错误的问题。这是我的密码：

ds = ClassificationDataSet(231, 1)

for x in range(inputData[0].size):
     ds.addSample(inputData[:,x], inputAnswers[x])

network = buildNetwork(191, 128, 1, bias=True, hiddenclass=TanhLayer)
network.randomize()
trainer = BackpropTrainer(network)
trainer.setData(ds)

下面是我收到的错误消息：

File "ANN_rawData.py", line 45, in <module>
trainer.setData(ds)
File "[path]", line 22, in setData
assert dataset.indim == self.module.indim
AssertionError

文件“ANN_rawData.py”，第45行，在
培训师设置数据（ds）
setData中第22行的文件“[path]”
assert dataset.indim==self.module.indim
断言错误

---

这个错误意味着什么？我如何修复它？提前谢谢你

assert语句检查一个条件并返回一个布尔值。AssertionError告诉您assert dataset.indim==self.module.indim的结果为false，导致代码出错，从而返回断言错误。如果这是所输入代码的预期条件，则捕获异常并继续。

断言语句检查条件是否为真。在这种情况下，如果

网络的内部维度（
indim
）与数据集相同，
ds
。因为它们不是，所以会引发错误：

>>> ds = ClassificationDataSet(231, 1)
>>> network = buildNetwork(191, 128, 1, bias=True)
>>> assert ds.indim == network.indim   # 231 != 191, error!
AssertionError

要修复它：

确保您的
网络
和
ds
具有相同的内部尺寸，例如：

>>> ds = ClassificationDataSet(191, 1)
>>> network = buildNetwork(191, 128, 1, bias=True)
>>> assert ds.indim == network.indim # 191 == 191, okay!

惰性“解决方案”：通过使用-O标志运行脚本。断言错误来自模块，而不是他自己的代码。更好的方法是：
network=buildNetwork（ds.indim，128，ds.outdim，bias=True）