Python 千层面回归：错误

我正试着用千层面/nolearn进行回归。我很难找到如何做到这一点的文档（一般来说，深度学习是新的）

从一个简单的网络开始（一个隐藏层）

我得到以下错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-23-23c15ceec104> in <module>()
----> 1 net_s.fit(X, y)

/home/alex/anaconda3/lib/python3.4/site-packages/nolearn/lasagne.py in fit(self, X, y)
    148             out, self.loss, self.update,
    149             self.X_tensor_type,
--> 150             self.y_tensor_type,
    151             )
    152         self.train_iter_, self.eval_iter_, self.predict_iter_ = iter_funcs

/home/alex/anaconda3/lib/python3.4/site-packages/nolearn/lasagne.py in _create_iter_funcs(self, output_layer, loss_func, update, input_type, output_type)
    298         all_params = get_all_params(output_layer)
    299         update_params = self._get_params_for('update')
--> 300         updates = update(loss_train, all_params, **update_params)
    301 
    302         train_iter = theano.function(

/home/alex/src/lasagne/lasagne/updates.py in nesterov_momentum(loss, all_params, learning_rate, momentum)
     38 # such that the gradient can be evaluated at the current parameters.
     39 def nesterov_momentum(loss, all_params, learning_rate, momentum=0.9):
---> 40     all_grads = theano.grad(loss, all_params)
     41     updates = []
     42 

/home/alex/anaconda3/lib/python3.4/site-packages/theano/gradient.py in grad(cost, wrt, consider_constant, disconnected_inputs, add_names, known_grads, return_disconnected)
    431 
    432     if cost is not None and cost.ndim != 0:
--> 433         raise TypeError("cost must be a scalar.")
    434 
    435     if isinstance(wrt, set):

TypeError: cost must be a scalar.

TypeError回溯（最近一次调用）
在（）
---->1净配合（X，y）
/home/alex/anaconda3/lib/python3.4/site-packages/nolearn/lasagne.py in-fit（self，X，y）
148出，自我丢失，自我更新，
149自X_张量型，
-->150自y张量型，
151             )
152 self.train\u iter\u，self.eval\u iter\u，self.predict\u iter=iter\u函数
/home/alex/anaconda3/lib/python3.4/site-packages/nolearn/lasagne.py in\u create\u iter\u funcs（self、output\u layer、loss\u func、update、input\u type、output\u type）
298所有参数=获取所有参数（输出层）
299 update_params=self._get_params_for（'update'））
-->300更新=更新（丢失列车，所有参数，**更新参数）
301
302列车=列车号功能(
/nesterov_momentum中的home/alex/src/lasagne/lasagne/updates.py（损失、所有参数、学习率、动量）
38#以便可以在当前参数下评估梯度。
39 def nesterov_动量（损失、所有参数、学习率、动量=0.9）：
--->40所有梯度=编号梯度（损失，所有参数）
41更新=[]
42
/home/alex/anaconda3/lib/python3.4/site-packages/theano/gradient.py（成本、wrt、考虑常数、断开的输入、添加名称、已知的梯度、返回断开的）
431
432如果成本不是无且成本.ndim！=0：
-->433 raise TypeError（“成本必须是标量”）
434
435如果存在（wrt，set）：
TypeError:成本必须是标量。

---

谢谢！。

不确定您使用的是什么版本的nolearn和千层面。我确实注意到您的

y

形状为

（137，）

。从我的使用情况来看，这需要

（137，1）

才能适用于您的情况，并且通常，dim 2需要与

输出的数量单位相匹配

尝试
y。重塑（-1，1））

如果这不起作用，则可能是Python 3的兼容性问题。
请确保您使用的nolearn和Lasagne版本是已知可以协同工作的版本

假设您一直在遵循。那么正确的做法是从安装依赖项，如下所示：

pip uninstall Lasagne
pip uninstall nolearn
pip install -r https://raw.githubusercontent.com/dnouri/kfkd-tutorial/master/requirements.txt

但是，如果您使用的是Git master的nolearn，请确保安装的千层面版本位于：

你找到了这个问题的解决方案了吗？我遇到了完全相同的错误消息。我遇到了一个类似的问题，这就解决了问题。谢谢！如果你在将数据发送到NeuralNet时无法确定数据的形状：对于分类任务，目标向量
y
必须具有一维仅限n。对于回归任务，无论回归目标的数量如何，它总是有两个维度。下面是一些代码来说明这一点：
pip uninstall Lasagne
pip uninstall nolearn
pip install -r https://raw.githubusercontent.com/dnouri/kfkd-tutorial/master/requirements.txt

pip uninstall Lasagne
pip install -r https://raw.githubusercontent.com/dnouri/nolearn/master/requirements.txt