2

Brainscript には次のネットワークがあります。

BrainScriptNetworkBuilder = {
    inputDim = 4
    labelDim = 1
    embDim = 20
    hiddenDim = 40

    model = Sequential (
        EmbeddingLayer {embDim} :                            # embedding
        RecurrentLSTMLayer {hiddenDim, goBackwards=false} :  # LSTM
        DenseLayer {labelDim}                                # output layer
    )

    # features
    t = DynamicAxis{}
    features = SparseInput {inputDim, tag="feature", dynamicAxis=t}
    anomaly  = Input {labelDim, tag="label"}

    # model application
    z = model (features)

    zp = ReconcileDynamicAxis(z, anomaly)

    # loss and metric
    ce   = CrossEntropyWithSoftmax (anomaly, zp)
    errs = ClassificationError     (anomaly, zp)

    featureNodes    = (features)
    labelNodes      = (anomaly)
    criterionNodes  = (ce)
    evaluationNodes = (errs)
    outputNodes     = (z)
}

私のデータは次のようになります。

2 |Features -0.08169 -0.07840 -0.09580 -0.08748 
2 |Features 0.00354 -0.00089 0.02832 0.00364 
2 |Features -0.18999 -0.12783 -0.02612 0.00474 
2 |Features 0.16097 0.11350 -0.01656 -0.05995 
2 |Features 0.09638 0.07632 -0.04359 0.02183 
2 |Features -0.12585 -0.08926 0.02879 -0.00414 
2 |Features -0.10224 -0.18541 -0.16963 -0.05655 
2 |Features 0.08327 0.15853 0.02869 -0.17020 
2 |Features -0.25388 -0.25438 -0.08348 0.13638 
2 |Features 0.20168 0.19566 -0.11165 -0.40739 |IsAnomaly 0

cntk コマンドを実行してモデルをトレーニングしようとすると、次の例外が発生します。

例外が発生しました: 内部ファイル: Matrix.cpp 行: 1323 関数: Microsoft::MSR::CNTK::Matrix::SetValue -> 機能が実装されていません。

私は何が欠けていますか？

4

1 に答える 1

2

以下にいくつかの提案を示します。

  • まず、入力は、リーダーに記述されているデータの型と一致する必要があります。したがって、データの入力が密であるため、機能変数はスパースであってはなりません。

  • 次に、LSTM は一連の出力を出力します。入力シーケンスのサンプルごとに 1 つです。最後のもの以外はすべて無視する必要があります。

      model = Sequential ( DenseLayer {embDim} :  # embedding
                       RecurrentLSTMLayer {hiddenDim, goBackwards=false} :  # LSTM
                       BS.Sequences.Last :    #Use only the last in the LSTM sequence
                       DenseLayer {labelDim, activation=Sigmoid}  # output layer
                     )
于 2017-01-12T23:00:08.430 に答える