爲什麼不一致的形狀numpy vs cntk？

我剛剛開始學習cntk。但是，我有一個基本問題阻礙了我的進步。我有以下的測試通過：爲什麼不一致的形狀numpy vs cntk？

import numpy as np 
from cntk import input_variable, plus 

def test_simple(self): 

    x_input = np.asarray([[1, 2, 2]], dtype=np.int64) 
    assert (1, 3) == x_input.shape 

    y_input = np.asarray([[5, 3, 3]], dtype=np.int64) 
    assert (1, 3) == y_input.shape 

    x = input_variable(x_input.shape[1]) 
    assert (3,) == x.shape 

    y = input_variable(y_input.shape[1]) 
    assert (3,) == y.shape 

    x_plus_y = plus(x, y) 
    assert (3,) == x_plus_y.shape 

    res = x_plus_y.eval({x: x_input, y: y_input}) 

    assert 6 == res[0, 0, 0] 
    assert 5 == res[0, 0, 1] 
    assert 5 == res[0, 0, 2]

據我所知，輸出的形狀爲（1，1，3）作爲第一和第二軸線是分批和分別缺省的動態軸。

但是，爲什麼我需要將輸入變量的形狀設置爲（3，）而不是（1，3）。使用（1，3）失敗。

爲什麼圖中輸入節點的形狀與用作該節點輸入的numpy數據之間存在不一致？

謝謝水稻

來源

2017-01-26 PaddyH6

這是爲Function.forward解釋一點點的「論據」的說明。另一種描述是here。你們混淆的原因可能是CNTK做了一些「有用的」轉換。

如果您將輸入指定爲（1,3），則需要在沒有序列軸的小批次或（x，1,3）數組列表的情況下提供（1,3）數組列表如果是具有序列軸的小批次（其中x對於小批次中的每個序列而言可能不同）。同樣，如果您將輸入指定爲（3，），則需要提供（3，）向量列表或（x，3）向量列表。

混亂可能是由於沒有提供列表的情況而引起的。在那種情況下，CNTK在提供的張量的引導軸上迭代並且創建這些元素的列表，例如，（5,1,3）張量變成每個具有（1,3）形狀的一批5個元素。

來源

2017-01-26 23:33:45

爲什麼不一致的形狀numpy vs cntk？

回答

相關問題