python - Theano 循环错误 : Outputs_info dim and fn output dim mismatch in scan

Question

我是 Theano 的初学者，我正在使用另一个代码的示例，该代码可能在某个时刻起作用(但是，我已经修改了它......但我很确定我的修改与此无关)以及目前出了什么问题)。

无论如何，我正在尝试调试 Theano Scan...并且我认为我观察到的是扫描功能中的基本错误。

U, V, W = self.U, self.V, self.W
x = T.ivector('x')
y = T.ivector('y')
def forward_prop_step(x_t, s_t_prev, U, V, W):
    s_t = T.tanh(U.dot(x_t) + V.dot(s_t_prev))
    o_t = T.tanh(W.dot(s_t))
    return [o_t,s_t]
[o,s], updates = theano.scan(
        forward_prop_step,
        sequences=x,
        outputs_info=[None, dict(initial=T.zeros(self.hidden_dim))],
        non_sequences=[U, V, W],
        truncate_gradient=self.bptt_truncate,
        strict=True)

U 是一个 m x n 矩阵，V 是一个 n x n 矩阵，W code> 是一个 n x o 矩阵...而 self.bptt_truncate 是一个标量 (4)。但我不认为我的函数的内部结构目前正在失败。

我得到的错误是:

ValueError: When compiling the inner function of scan the following error has been encountered: The initial state (outputs_info in scan nomenclature) of variable IncSubtensor{Set;:int64:}.0 (argument number 1) has 2 dimension(s), while the result of the inner function (fn) has 2 dimension(s) (should be one less than the initial state).

我尝试更改outputs_info的尺寸和forward_prop_step的返回尺寸，但到目前为止似乎没有任何效果。

我目前正在查看文档...但是，从文档来看，我所做的似乎是正确的(下面是文档中的示例):

def oneStep(u_tm4, u_t, x_tm3, x_tm1, y_tm1, W, W_in_1, W_in_2,  W_feedback, W_out):

    x_t = T.tanh(theano.dot(x_tm1, W) + \
                 theano.dot(u_t,   W_in_1) + \
                 theano.dot(u_tm4, W_in_2) + \
                 theano.dot(y_tm1, W_feedback))
    y_t = theano.dot(x_tm3, W_out)

    return [x_t, y_t] 

这是文档扫描:

W = T.matrix()
W_in_1 = T.matrix()
W_in_2 = T.matrix()
W_feedback = T.matrix()
W_out = T.matrix()

u = T.matrix() # it is a sequence of vectors
x0 = T.matrix() # initial state of x has to be a matrix, since
                # it has to cover x[-3]
y0 = T.vector() # y0 is just a vector since scan has only to provide
                # y[-1]


([x_vals, y_vals], updates) = theano.scan(fn=oneStep,
                                          sequences=dict(input=u, taps=[-4,-0]),
                                          outputs_info=[dict(initial=x0, taps=[-3,-1]), y0],
                                          non_sequences=[W, W_in_1, W_in_2, W_feedback, W_out],
                                          strict=True)
     # for second input y, scan adds -1 in output_taps by default

函数的返回值为:'[x_t,y_t]'，outputs_info为[dict(initial=x0, taps=[-3,-1]), y0 ]...

在我的实现中，函数的返回是:[o_t,s_t]，outputs_info是[None, dict(initial=T. Zeros(self.hidden_​​dim))]...这是有道理的，因为我没有理由将输出传递到函数中...

Answer 1

我在将 RNN 应用于 NLP 任务时遇到了完全相同的问题。出现此错误的原因是 x_t 的类型forward_prop_step 的参数函数，由于迭代 ivector x，因此它是标量 。

这里的解决方案是使用向量。例如，x_tv是一个在 x_t 处全有 0 和 1 的向量索引。

def forward_prop_step(x_t, s_t_prev, U, V, W):
    x_tv = T.eye(1, m=input_size, k=x_t)[0]
    s_t = T.tanh(U.dot(x_tv) + V.dot(s_t_prev))
    o_t = T.tanh(W.dot(s_t))
    return [o_t, s_t]