我正在尝试使用 python 中的 Theano 库对深度信念网络进行一些实验。我使用这个地址中的代码：DBN完整代码。该代码使用MNIST 手写数据库。该文件已经是 pickle 格式。 它在以下位置未被选中：

• 动车组
• 有效集
• test_set

进一步解冻：

• train_set_x, train_set_y = train_set
• valid_set_x, valid_set_y = valid_set
• test_set_x, test_set_y = test_set

请有人给我构建这个数据集的代码，以便创建我自己的数据集？ 我使用的DBN示例需要这种格式的数据，但我不知道该怎么做。 如果有人有任何想法如何解决这个问题，请告诉我。

这是我的代码：

from datetime import datetime
import time
import os
from pprint import pprint
import numpy as np
import gzip, cPickle
import theano.tensor as T
from theano import function


os.system("cls")

filename = "completeData.txt"


f = open(filename,"r")
X = []
Y = []

for line in f:
        line = line.strip('\n')  
        b = line.split(';')
        b[0] = float(b[0])
        b[1] = float(b[1])
        b[2] = float(b[2])
        b[3] = float(b[3])
        b[4] = float(b[4])
        b[5] = float(b[5])
        b[6] = float(b[6])
        b[7] = float(b[7])
        b[8] = float(b[8])
        b[9] = float(b[9])
        b[10] = float(b[10])
        b[11] = float(b[11])
        b[12] = float(b[12])
        b[13] = float(b[13])
        b[14] = float(b[14])
        b[15] = float(b[15])
        b[17] = int(b[17])
        X.append(b[:16])
        Y.append(b[17])

Len = len(X);
X = np.asmatrix(X)
Y = np.asarray(Y)

sizes = [0.8, 0.1, 0.1]
arr_index = int(sizes[0]*Len)
arr_index2_start = arr_index + 1
arr_index2_end = arr_index + int(sizes[1]*Len)
arr_index3_start = arr_index2_start + 1

"""
train_set_x = np.array(X[:arr_index])
train_set_y = np.array(Y[:arr_index])

val_set_x = np.array(X[arr_index2_start:arr_index2_end])
val_set_y = np.array(Y[arr_index2_start:arr_index2_end])

test_set_x = np.array(X[arr_index3_start:])
test_set_y = np.array(X[arr_index3_start:])

train_set = train_set_x, train_set_y
val_set = val_set_x, val_set_y
test_set = test_set_x, test_set_y
"""
x = T.dmatrix('x')
z = x
t_mat = function([x],z)

y = T.dvector('y')
k = y
t_vec = function([y],k)

train_set_x = t_mat(X[:arr_index].T)
train_set_y = t_vec(Y[:arr_index])
val_set_x = t_mat(X[arr_index2_start:arr_index2_end].T)
val_set_y = t_vec(Y[arr_index2_start:arr_index2_end])
test_set_x = t_mat(X[arr_index3_start:].T)
test_set_y = t_vec(Y[arr_index3_start:])

train_set = train_set_x, train_set_y
val_set = val_set_x, val_set_y
test_set = test_set_x, test_set_y

dataset = [train_set, val_set, test_set]

f = gzip.open('..\..\..\data\dex.pkl.gz','wb')
cPickle.dump(dataset, f, protocol=-1)
f.close()

pprint(train_set_x.shape)

print('Finished\n')

无需使用 .pkl 文件即可将 Theano 教程中的代码改编为您自己的数据。你只需要模仿他们的数据结构。

快速解决

查找以下几行。这是第 303 行DBN.py.

datasets = load_data(dataset)
train_set_x, train_set_y = datasets[0]

替换成你自己的train_set_x and train_set_y.

my_x = []
my_y = []
with open('path_to_file', 'r') as f:
    for line in f:
        my_list = line.split(' ') # replace with your own separator instead
        my_x.append(my_list[1:-1]) # omitting identifier in [0] and target in [-1]
        my_y.append(my_list[-1])
train_set_x = theano.shared(numpy.array(my_x, dtype='float64'))
train_set_y = theano.shared(numpy.array(my_y, dtype='float64'))

使其适应您的输入数据和您正在使用的代码。

同样的事情适用于cA.py, dA.py and SdA.py但他们只使用train_set_x.

寻找诸如以下的地方n_ins=28 * 28其中 mnist 图像大小是硬编码的。代替28 * 28用你自己的列数。

解释

您可以在此处以 Theano 可以使用的格式放置数据。

train_set_x = theano.shared(numpy.array(my_x, dtype='float64'))
train_set_y = theano.shared(numpy.array(my_y, dtype='float64'))

shared()将 numpy 数组转换为 Theano 格式，旨在提高 GPU 效率。

dtype='float64'预计在 Theano 数组中。

更多详情请参阅基本张量功能.

.pkl 文件

.pkl 文件是保存数据结构的一种方法。

您可以创建自己的。

import cPickle
f = file('my_data.pkl', 'wb')
    cPickle.dump((train_set_x, train_set_y), f, protocol=cPickle.HIGHEST_PROTOCOL)
f.close()

更多详情请参阅加载和保存.