Python I'；我试图用CNN提供的数据不是'；t图像

所使用的代码是CNN的，但我很难理解为了接受其他类型的数据我需要更改什么。我使用的文件与MNIST的格式相同，但要小得多，这是正在使用的数据

以下是我更改的两个部分：

批量大小、NKER、n\U epocchs

def evaluate_lenet5(learning_rate=0.1, n_epochs=1000, nkerns=[3, 4], batch_size=5):

层的所有参数

layer0_input = x.reshape((batch_size, 1, 2, 2))

layer0 = LeNetConvPoolLayer(rng, input=layer0_input, image_shape=(batch_size, 1, 2, 2), filter_shape=(nkerns[0], 1, 1, 1), poolsize=(2, 2))

layer1 = LeNetConvPoolLayer(rng, input=layer0.output, image_shape=(batch_size, nkerns[0], 2, 2), filter_shape=(nkerns[1], nkerns[0], 1, 1), poolsize=(2, 2))

layer2_input = layer1.output.flatten(2)

layer2 = HiddenLayer(rng, input=layer2_input, n_in=nkerns[1], n_out=15, activation=T.tanh)

layer3 = LogisticRegression(input=layer2.output, n_in=15, n_out=3)

当我执行此代码时，会出现以下错误：

In [4]: %run test_convolutional_mlp.py
... loading data
... building the model
... training
training @ iter =  0
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
/usr/lib/python2.7/dist-packages/IPython/utils/py3compat.pyc in execfile(fname, *where)
    173             else:
    174                 filename = fname
--> 175             __builtin__.execfile(filename, *where)

/media/HD Usuario/DeepLearning/Iris Data/test_convolutional_mlp.py in <module>()
    172 
    173 if __name__ == '__main__':
--> 174     evaluate_lenet5()
    175 
    176 

/media/HD Usuario/DeepLearning/Iris Data/test_convolutional_mlp.py in evaluate_lenet5(learning_rate, n_epochs, nkerns, batch_size)
    128             if iter % 100 == 0:
    129                 print 'training @ iter = ', iter
--> 130             cost_ij = train_model(minibatch_index)
    131 
    132             if (iter + 1) % validation_frequency == 0:

/usr/local/lib/python2.7/dist-packages/theano/compile/function_module.pyc in __call__(self, *args, **kwargs)
    586                     # For the CVM

    587                     gof.vm.raise_with_op(self.fn.nodes[self.fn.position_of_error],
--> 588                                          self.fn.thunks[self.fn.position_of_error])
    589                 else:
    590                     # For the c linker


/usr/local/lib/python2.7/dist-packages/theano/compile/function_module.pyc in __call__(self, *args, **kwargs)
    577         t0_fn = time.time()
    578         try:
--> 579             outputs = self.fn()
    580         except Exception:
    581             if hasattr(self.fn, 'position_of_error'):

ValueError: the number of rows in the image (1) at run time is different than at build time (2) for the ConvOp.
Apply node that caused the error: ConvOp{('imshp', (3, 2, 2)),('kshp', (1, 1)),('nkern', 4),('bsize', 5),('dx', 1),('dy', 1),('out_mode', 'valid'),('unroll_batch', 5),('unroll_kern', 2),('unroll_patch', False),('imshp_logical', (3, 2, 2)),('kshp_logical', (1, 1)),('kshp_logical_top_aligned', True)}(Elemwise{Composite{[tanh(add(i0, i1))]}}.0, <TensorType(float64, 4D)>)
Inputs shapes: [(5, 3, 1, 1), (4, 3, 1, 1)]
Inputs strides: [(24, 8, 8, 8), (24, 8, 8, 8)]
Inputs types: [TensorType(float64, 4D), TensorType(float64, 4D)]
Use the Theano flag 'exception_verbosity=high' for a debugprint of this apply node.

[4]中的

：%运行测试\u卷积\u mlp.py
... 加载数据
... 构建模型
... 训练
iter=0时的培训
---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
/execfile（fname，*其中）中的usr/lib/python2.7/dist-packages/IPython/utils/py3compat.pyc
173.其他：
174 filename=fname
-->175 _uu内置_uuu.execfile（文件名，*其中）
/媒体/HD Usuario/DeepLearning/Iris数据/test_convolutional_mlp.py in（）
172
173如果uuuu name uuuuu=='\uuuuuuu main\uuuuuuu':
-->174评估_lenet5（）
175
176
/媒体/HD Usuario/DeepLearning/Iris数据/test_convolutional_mlp.py in evaluate_lenet5（学习率、n时代、nkerns、批量大小）
128如果iter%100==0：
129印刷“国际热核试验堆培训=”，国际热核试验堆
-->130成本=列车模型（小批量指数）
131
132如果（国际热核实验堆+1）%验证频率==0：
/usr/local/lib/python2.7/dist-packages/theano/compile/function\u module.pyc in_uuuu调用（self，*args，**kwargs）
586#用于CVM
587 gof.vm.raise_with_op（self.fn.nodes[self.fn.position_of_error]，
-->588 self.fn.thunks[self.fn.position\u of\u error]）
589其他：
590#用于c链接器
/usr/local/lib/python2.7/dist-packages/theano/compile/function\u module.pyc in_uuuu调用（self，*args，**kwargs）
577 t0_fn=时间。时间（）
578请尝试：
-->579输出=self.fn（）
580例外情况除外：
581如果hasattr（self.fn，“错误位置”）：
ValueError：运行时映像（1）中的行数与CONVAP的生成时（2）中的行数不同。
导致错误的应用节点：convolp{（'imshp'，（3,2,2）），（'kshp'，（1,1）），（'nkern'，4），（'bsize'，5），（'dx'，1），（'dy'，1），（'out_mode'，'valid'），（'unroll_batch'，5），（'unroll_kern'，2），（'unroll_patch'，False），（'imshp_logical'，（3,2,2）），（'kshp_logical'，1），（'kshp_逻辑'，（1,1），（'kshp)u逻辑上对齐的组合，True），add emwi 0}{1}
输入形状：[（5,3,1,1），（4,3,1,1）]
输入跨步：[（24,8,8,8），（24,8,8,8）]
输入类型：[TensorType（浮点64，4D），TensorType（浮点64，4D）]
对此应用节点的debugprint使用Theano标志“exception\u verbosity=high”。

---

也许答案真的很简单，但我花了大约一周的时间研究这段代码，我的脑海中没有任何东西出现

CNN中的C代表卷积。为了执行卷积运算，您需要将变量组合在一起，形成某种空间/时间/以任何方式连续的范围，这是一个组结构的基础，例如空间平移、时间平移、旋转或其他更奇特的内容。对于您正在处理的数据，情况并非如此，因此使用CNN没有多大意义。（这并不能阻止您尝试在2D空间中排列变量并查看结果，但它似乎一点用处都没有。）如果您想进行NNs，请坚持使用完全连接的NNs，然后从评估逻辑回归开始。

很抱歉回答得太晚，感谢您的回答，正如你所注意到的，英语不是我的母语，我无法理解这一部分“组合在一起形成某种空间/时间/以任何方式连续的范围的变量，这是一种群体结构”。我忘了提到的另一件事是，我这样做的目的是为了在代码中需要更改什么，以便以后应用kinect提供的数值和其他手工从人们那里收集的数值，有81个Atibuttes可以在CNN上使用吗？您的数据需要有适合卷积（）的结构。最不必要的是群体结构。