Недавно я установил mxnet (пакет python) с поддержкой GPU в Windows 10 и Python 3.5. Я просматриваю пару примеров, и они, похоже, работают нормально.Как я могу передавать данные обучения .csv в сверточную нейронную сеть в mxnet?
Я привык к учебным пакетам для обучения стик-стике и очень новым для Python пакетам глубокого обучения, таким как Mxnet, хотя я уже использовал Mxnet в R. Мне сложно понять, как кормить данные обучения .csv к модели.
Я хотел бы подать на простой CNN несколько изображений. Изображения 28x28 пикселей и сохраняются как сплющенные массивы в .csv. У меня есть два CSV-файла, один для обучения, а другой для тестирования. Каждый файл .csv имеет следующую структуру:
label, pixel1, pixel2, ..., pixel784
0,...
1,...
Есть 10 этикетки в целом и около 1000/300 изображений в обучающем наборе/тестового набора.
Я использую следующий код для загрузки данных и обучения модели:
import mxnet as mx
import pandas as pd
import numpy as np
import os
path = "C://users//me//data"
os.chdir(path)
df_train = pd.read_csv("train_28.csv")
df_test = pd.read_csv("test_28.csv")
keys = ['pixel.'+str(i) for i in range(1,785)]
X_train = df_train[keys].get_values().T
X_train = X_train.reshape((1200,28,28,1))
y_train = df_train['label'].get_values().reshape((1200,1))
#y_train = y_train.reshape((28,28,1,1200))
data = mx.symbol.Variable('data')
# First conv layer
conv1 = mx.symbol.Convolution(data=data, kernel=(5,5), num_filter=20)
tanh1 = mx.symbol.Activation(data=conv1, act_type="tanh")
pool1 = mx.symbol.Pooling(data=tanh1, pool_type="max",
kernel=(2,2), stride=(2,2))
# Second conv layer
conv2 = mx.symbol.Convolution(data=pool1, kernel=(5,5), num_filter=50)
tanh2 = mx.symbol.Activation(data=conv2, act_type="tanh")
pool2 = mx.symbol.Pooling(data=tanh2, pool_type="max",
kernel=(2,2), stride=(2,2))
# First fully connected
flatten = mx.symbol.Flatten(data=pool2)
fc1 = mx.symbol.FullyConnected(data=flatten, num_hidden=500)
tanh3 = mx.symbol.Activation(data=fc1, act_type="tanh")
# second fullc
fc2 = mx.symbol.FullyConnected(data=tanh3, num_hidden=10)
# loss
lenet = mx.symbol.SoftmaxOutput(data=fc2, name='softmax')
device = mx.gpu()
model = mx.model.FeedForward.create(lenet,
X = X_train,
y = y_train,
ctx = device,
num_epoch = 30)
Я использую этот подход, который похож на тот, который я использовал с mxnet в R, (кстати на R IT работает отлично, однако я не могу использовать GPU на R, поэтому мне нужно использовать Python для лучших спектаклей ...), однако я получаю следующее сообщение об ошибке:
[16:54:11] D:\chhong\mxnet\dmlc-core\include\dmlc/logging.h:235: [16:54:11] d:\chhong\mxnet\src\operator\./convolution-inl.h:347: Check failed: ksize_x <= dshape[3] && ksize_y <= dshape[2] kernel size exceed input
Traceback (most recent call last):
File "C:\Users\Me\Desktop\esempio_lenet.py", line 57, in <module>
num_epoch = 30)
File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\model.py", line 901, in create
eval_batch_end_callback=eval_batch_end_callback)
File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\model.py", line 745, in fit
self._init_params(dict(data.provide_data+data.provide_label))
File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\model.py", line 485, in _init_params
arg_shapes, _, aux_shapes = self.symbol.infer_shape(**input_shapes)
File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\symbol.py", line 453, in infer_shape
return self._infer_shape_impl(False, *args, **kwargs)
File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\symbol.py", line 513, in _infer_shape_impl
ctypes.byref(complete)))
File "C:\Users\Me\Anaconda3\lib\site-packages\mxnet-0.7.0-py3.5.egg\mxnet\base.py", line 77, in check_call
raise MXNetError(py_str(_LIB.MXGetLastError()))
mxnet.base.MXNetError: InferShape Error in convolution0: [16:54:11] d:\chhong\mxnet\src\operator\./convolution-inl.h:347: Check failed: ksize_x <= dshape[3] && ksize_y <= dshape[2] kernel size exceed input
И я не могу понять, что я делаю неправильно. Может ли кто-нибудь сказать мне, что это за ошибка, и предоставить мне четкий набор инструкций о том, как загружать файлы .csv с той же структурой, что и выше, и обучать модель mxnet? Я взглянул на документацию, но сам не смог понять, как правильно загружать файлы .csv.
Причина, по которой я прошу о процедуре загрузки таких CSV-файлов, заключается в том, что я в основном разбираюсь с данных в этом формате, и для меня было бы очень полезно иметь возможность запускать скрипт с папкой с этими CSV-файлами и готовить их для обучения глубокой сверточной нейронной сети.
Набор обучающих и тестовых .csv-файлов доступен here, если вам понадобится их для воспроизведения кода примера, который я написал.
Спасибо Вам
Спасибо, что исправил проблему, с которой я столкнулся. Однако я все еще сталкивался с другими проблемами с MXnet и решил перейти на tenorflow с Python, так как я нашел свою документацию гораздо более прямолинейной по сравнению с MXnet. Сказав это, если вы или кто-либо другой могли бы предложить какой-либо учебник или ресурс, который мог бы немного освежить MXnet, я был бы рад прочитать. – mickkk