Я играю с ванильным Rnn's, тренируюсь с градиентным спусками (без пакетной версии), и у меня возникает проблема с вычислением градиента для (скалярной) стоимости; вот соответствующая часть моего кода:Проблема с вычислительным градиентом для Rnn в Theano
class Rnn(object):
# ............ [skipping the trivial initialization]
def recurrence(x_t, h_tm_prev):
h_t = T.tanh(T.dot(x_t, self.W_xh) +
T.dot(h_tm_prev, self.W_hh) + self.b_h)
return h_t
h, _ = theano.scan(
recurrence,
sequences=self.input,
outputs_info=self.h0
)
y_t = T.dot(h[-1], self.W_hy) + self.b_y
self.p_y_given_x = T.nnet.softmax(y_t)
self.y_pred = T.argmax(self.p_y_given_x, axis=1)
def negative_log_likelihood(self, y):
return -T.mean(T.log(self.p_y_given_x)[:, y])
def testRnn(dataset, vocabulary, learning_rate=0.01, n_epochs=50):
# ............ [skipping the trivial initialization]
index = T.lscalar('index')
x = T.fmatrix('x')
y = T.iscalar('y')
rnn = Rnn(x, n_x=27, n_h=12, n_y=27)
nll = rnn.negative_log_likelihood(y)
cost = T.lscalar('cost')
gparams = [T.grad(cost, param) for param in rnn.params]
updates = [(param, param - learning_rate * gparam)
for param, gparam in zip(rnn.params, gparams)
]
train_model = theano.function(
inputs=[index],
outputs=nll,
givens={
x: train_set_x[index],
y: train_set_y[index]
},
)
sgd_step = theano.function(
inputs=[cost],
outputs=[],
updates=updates
)
done_looping = False
while(epoch < n_epochs) and (not done_looping):
epoch += 1
tr_cost = 0.
for idx in xrange(n_train_examples):
tr_cost += train_model(idx)
# perform sgd step after going through the complete training set
sgd_step(tr_cost)
По некоторым причинам я не хочу, чтобы передать полные данные (подготовка) к train_model (..), вместо этого я хочу передать отдельные примеры в то время. Теперь проблема в том, что каждый вызов train_model (..) возвращает мне стоимость (отрицательный лог-правдоподобие) этого конкретного примера, а затем я должен суммировать всю стоимость (полного набора данных обучения), а затем принять производным и выполнить соответствующее обновление весовых параметров в sgd_step (..), и по очевидным причинам с моей текущей реализацией я получаю эту ошибку: theano.gradient.DisconnectedInputError: grad method было предложено вычислить градиент по отношению к переменная, которая не является частью вычислительного графика стоимости или используется только недифференцируемым оператором: W_xh. Теперь я не понимаю, как сделать «« »частью вычислительного графика (как в моем случае, когда мне нужно дождаться его агрегирования), или есть лучший/элегантный способ добиться того же самого?
Спасибо.