Python Nolearn DBM无法训练

我正在尝试使用nolearn来训练dbm，但出于某种原因，它失败了。 每个列车示例都是1.0的向量，用于测试。当我使用“真实”输入时，我得到了相同的错误

培训代码与nolearn文档中MNIST培训代码几乎相同

# import the necessary packages
from sklearn.cross_validation import train_test_split
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix
from sklearn import datasets
from nolearn.dbn import DBN

# scale the data to the range [0, 1] and then construct the training
# and testing splits
(trainX, testX, trainY, testY) = train_test_split( features , targets , test_size = 0.33)

print trainX.shape
print trainY.shape

dbn = DBN(
[trainX.shape[1], 80, 80, trainY.shape[1]],
learn_rates = 0.3,
learn_rate_decays = 0.9,
epochs = 10,
verbose = 1)
dbn.fit(trainX, trainY)

# compute the predictions for the test data and show a classification
# report
preds = dbn.predict(testX)

由于我找不到的原因，它失败了：

100%

---------------------------------------------------------------------------
ZeroDivisionError                         Traceback (most recent call last)
<ipython-input-4-5324a7be4932> in <module>()
     19 epochs = 10,
     20 verbose = 1)
---> 21 dbn.fit(trainX, trainY)
     22 
     23 # compute the predictions for the test data and show a classification

/usr/local/lib/python2.7/dist-packages/nolearn/dbn.pyc in fit(self, X, y)
    388                 loss_funct,
    389                 self.verbose,
--> 390                 self.use_dropout,
    391                 )):
    392             losses_fine_tune.append(loss)

/usr/local/lib/python2.7/dist-packages/gdbn/dbn.pyc in fineTune(self, minibatchStream, epochs, mbPerEpoch, loss, progressBar, useDropout)
    207                 prog.tick()
    208             prog.done()
--> 209             yield sumErr/float(totalCases), sumLoss/float(totalCases)
    210 
    211     def totalLoss(self, minibatchStream, lossFuncts):

ZeroDivisionError: float division by zero

gnumpy: failed to import cudamat. Using npmat instead. No GPU will be used.
(1, 200)
(1, 125)
[DBN] fitting X.shape=(1, 200)
[DBN] layers [200, 80, 80, 125]
[DBN] Fine-tune...

100%
---------------------------------------------------------------------------
ZeroDivisionError回溯（最近一次呼叫上次）
在（）
19个时代=10，
20详细=1）
--->21直径配合（第X列、第Y列）
22
23#计算测试数据的预测并显示分类
/usr/local/lib/python2.7/dist-packages/nolearn/dbn.pyc-in-fit（self，X，y）
388损失函数，
389自我冗长，
-->390自用退出，
391                 )):
392损失\u微调。追加（损失）
/fineTune中的usr/local/lib/python2.7/dist-packages/gdbn/dbn.pyc（self、minibatchStream、epochs、mbPerEpoch、loss、progressBar、useDropout）
207程序勾选（）
208程序完成（）
-->209苏美尔产量/浮动（总案例）、苏美尔损失/浮动（总案例）
210
211 def totaloss（self、minibatchStream、lossFunts）：
ZeroDivisionError：浮点除以零
gnumpy:导入cudamat失败。使用npmat代替。不使用GPU。
(1, 200)
(1, 125)
[DBN]拟合X.shape=（1200）
[DBN]层[200,80,80,125]
[DBN]微调。。。

验证

trany.shape[1]

是否与您的课程编号相同

---

我以前有过一次这个问题，并确保匹配者修复了它。

为了避免这个错误，我从pandas数据帧切换到numpy数组。

我相信您的训练数据集可能很小。只需在DBN对象中再添加一个参数，

minibatch\u size=1

，默认情况下它是

minibatch\u size=64

。您可以根据需要进一步调整。 例如：

---

这并不能真正回答问题。如果您有不同的问题，可以单击以提问。一旦你有足够的时间，你也可以对这个问题给予更多的关注。@Barranka，正如我所说，我也有同样的问题，这至少对我来说是一个解决方案（其中一个参数不正确）。

dbn = DBN(
    [trainX.shape[1], 300, 5],
    learn_rates = 0.3,
    learn_rate_decays = 0.9,
    epochs = 10,
    verbose = 1,
    minibatch_size=1)