2

R パッケージ mxnet の mx.lstm 関数を使用して lstm ニューラル ネットワークをトレーニングしたいと考えています。私のデータは、X1、X2、X3 が特徴であるこのダミーの例のように、 n 個の特徴ベクトル、ラベル付けされたクラスのベクトル、および時間ベクトルで構成されます。

dat <- data.frame(
  X1 = rnorm(100, 1, sd = 1),
  X2 = rnorm(100, 2, sd = 1),
  X3 = rnorm(100, 3, sd = 1),
  class = sample(c(1,0), replace = T, 100),
  time =  seq(0.01,1,0.01))

mx.lstm のヘルプには、train.data 引数には「mx.io.DataIter または list(data=R.array, label=R.array) The Training set」が必要であると記載されています。

私はこれを試しました：

library(mxnet)

# Convert dummy data into suitable format
trainDat <- list(data = array(c(dat$X1, dat$X2, dat$X3), dim = c(100,3)), 
label = array(dat[,4], dim = c(100,1)))

# Set the basic network parameters for the lstm (arbitrary for this example)
batch.size = 32
seq.len = 32
num.hidden = 16
num.embed = 16
num.lstm.layer = 1
num.round = 1
learning.rate = 0.1
wd = 0.00001
clip_gradient = 1
update.period = 1

# Run the model
model <- mx.lstm(train.data = trainDat,
             ctx=mx.cpu(),
             num.round=num.round, 
             update.period=update.period,
             num.lstm.layer=num.lstm.layer, 
             seq.len=seq.len,
             num.hidden=num.hidden, 
             num.embed=num.embed, 
             num.label=vocab,
             batch.size=batch.size, 
             input.size=vocab,
             initializer=mx.init.uniform(0.1), 
             learning.rate=learning.rate,
             wd=wd,
             clip_gradient=clip_gradient)

「mx.io.internal.arrayiter(as.array(data)、as.array(label)、unif.rds、: basic_string::_M_replace_aux のエラー」を返します。

mxnet Web サイトに lstm の例がありますが、使用されているデータは私のものとはかなり異なり、意味がわかりません。

http://mxnet.io/tutorials/r/charRnnModel.html

私の質問は、データを mx.lstm に適した形式に変換するにはどうすればよいですか?

4

1 に答える 1

3

エラーを再現しようとしたところ、より詳細なメッセージが表示されました。

mx.io.internal.arrayiter(as.array(data), as.array(label), unif.rnds, のエラー: io.cc:50: X のようです, y は行優先の方法で渡されました, MXNetR は a列の主要な規則です。代わりに X の転置を渡してください

データとラベルの配列を aperm() に渡すことでエラーを修正しました。

trainDat <- list(data = aperm(array(c(dat$X1, dat$X2, dat$X3), dim = c(100,3))), label = aperm(array(dat[,4], dim = c(100,1))))
于 2016-12-27T19:20:31.067 に答える