从 Lasagne（Python 深度神经网络框架）获取输出

我从 Lasagne 的官方 github 加载了 mnist_conv.py 示例。

在此，我想预测一下我自己的例子。我看到“lasagne.layers.get_output()”应该处理官方文档中的 numpy 数组，但它不起作用，我不知道如何做到这一点。

这是我的代码：

if __name__ == '__main__':
    output_layer = main() #the output layer from the net
    exampleChar = np.zeros((28,28)) #the example I would predict
    outputValue = lasagne.layers.get_output(output_layer, exampleChar)
    print(outputValue.eval())

但它给了我：

TypeError: ConvOp (make_node) requires input be a 4D tensor; received "TensorConstant{(28, 28) of 0.0}" (2 dims)

我知道它需要 4D 张量，但我不知道如何纠正它。

你能帮助我吗？谢谢

首先，您尝试将单个“图像”传递到您的网络中，因此它具有维度(256,256).

但它需要一个 3 维数据列表，即图像，在 theano 中被实现为 4D 张量。

我没有看到你的完整代码，你打算如何使用烤宽面条的界面，但如果你的代码编写正确，从我到目前为止所看到的，我认为你应该转换你的(256,256)数据首先到一个单通道图像，例如(1,256,256)，然后从 use more 中列出一个列表(1,256,256)在列表中传递的数据，例如[(1,256,256), (1,256,256), (1,256,256)]，或者从这个例子中列出一个列表，例如[(1,256,256)]。 前者得到并传递一个 (3,1,256,256)，后者得到一个 (1,1,256,256) 4D 张量，该张量将被烤宽面条接口接受。