arrayリストの確認np.shape()について

Question

Chainerで機械学習をしています。
現在、https://qiita.com/sumsum88/items/6a7e025e0ec163ddf6de
を参考に自分の持っているデータに適応しようとしているところです。
上記のURLでは関数datasetで学習にかけるデータを作っています。

ターミナル上で

In[12]: np.shape(x_train)
Out[12]: (1000,)

となることが確認できます。しかし自分の作ったデータセットを同じように確認すると

In[13]: np.shape(x_train)
out[13]: (3, 3, 1)

と表示されます。自分の作ったx_trainをターミナルで確認すると（※arrayは後でvariableに変換しています。各値も適当に変えています。）

x_train = [array([[123],
                             [123],
                             [234]]), array([[234],
                             [345],
                             [345]]), array([[123],
                             [123],
                             [123]])]

となっているので、URLのデータセットと見かけ上は同じになっているはずです。

しかし、実際学習にかけてみると学習が進ません。（正答率がずっと同じ）
モデルも同じで学習のかけ方も同じです。
現在原因を探っています。

np.shapeで(1000,)と(3, 3, 1)となるということはx_trainの構造が違うのでしょうか？
自分のデータも(3,)となることを期待していたのですが...
それとも省略されているだけでしょうか？

Answer 1

shapeの違いは、それぞれの軸の要素の数が同じかどうかによります。
要素の数が同じであれば、これは多次元のテンソルになり、(3, 3, 1)のように表示されます。
一方でURLのデータでは各データが可変長になっているため、(1000,)までしか長さが定義できず、これ以降の軸の要素数は統一的な1つの数字で表現することができません。

np.shape([[1], [2]]) -> (2, 1)
np.shape([[1], [2, 3]] -> (2,)

---

学習の方についてはデータが無いのでなんとも言えません。

Comments

[退会済みユーザー]

返信ありがとうございます。
可変長なっているために表示ができないということですね。それなら、データセットの形が間違っている訳ではなさそうです。

学習の関しては、他の原因がありそうですね。

参考になりました。ありがとうございます。