chainerによるLSTM設計の際のデータの扱い方について

現在、x_train.shape = (10000,10)としたデータを用いています。
モデルは以下のようなものです。

python
1class ChainLSTM(Chain):
2    def __init__(self):
3        super(ChainLSTM, self).__init__(
4            l1 = L.Linear(1, 5),
5            b1 = L.BatchNormalization(5),
6            lstm1 = L.LSTM(5, 5),
7            b2 = L.BatchNormalization(5),
8            l2 = L.Linear(5, 5),
9            l3 = L.Linear(1, 5),
10            l4 = L.Linear(5, 1)
11        )
12
13    def __call__(self, x, t):
14        y = self.fwd(x)
15        return F.mean_squared_error(y, t)
16
17    def fwd(self,x):
18        for i in range(9):
19            h = self.b1(F.relu(self.l1(x[i])))
20            h = self.b2(self.lstm1(h))
21        h = F.relu(self.l3(x[-1]) + self.l2(h))
22        h = F.dropout(h)
23        h = self.l4(h)
24        return F.sigmoid(h)
25

fwdにおいて、一つのdataに含まれる10個の時系列データに対して、順にアクセスをしたいのですが、以下のようなエラーが出ます。

python
1   x_type.shape[1] == w_type.shape[1],
2IndexError: tuple index out of range

原因としては、そもそものデータの型(reshapeの仕方)がおかしい・fwdにおけるxへのアクセスの仕方がおかしいなどなのではないかと考えていますが、修正の仕方がわかりません。
ご教授いただけると助かります。よろしくお願いいたします。

行動規範の内容に同意します

回答2件

自己解決

通常の配列のようにスライスでアクセスすることで解決できました。申し訳ありません。

投稿2018/02/22 14:20

futashige

総合スコア28

入力がx_train.shape = (10000,10)なのだとすると、

python
1            h = self.b1(F.relu(self.l1(x[i])))

上記でself.l1に入力されるデータ1次元になるので、x[i].shape == (10,)になってインデックスエラーになっているのだと思います。

投稿2017/12/18 01:12

diningyo

総合スコア379

futashige

2017/12/18 01:32

どのようにすれば、10個の時系列データが入っているxに対して順番にアクセスすることができるのでしょうか？（ご指摘の部分は、x = [0,1,2,3,4,5,6,7,8,9] とした時に、x[2] = 2 のようなアクセスを考えたつもりでした。)

diningyo

2017/12/18 02:00

とりあえず、このまま動かすということであれば、Linearの__call__関数に流すxを（batch_size, data)の2次元にしてください。上記のネットワークのl1に合うようにするなら、x[i].reshape(1, -1)ですかね。何を狙ってるのかがよくわかってないですが。。

futashige

2017/12/18 13:12

fwd内で、x[i]→x[i].reshape(1, -1) の変更を行ったところ以下のようなエラーがでました。 Invalid operation is performed in: LinearFunction (Forward) Expect: in_types[0].shape[1] == in_types[1].shape[1] Actual: 10 != 1

diningyo

2017/12/18 13:25 編集

あーー、たしかに、間違ってますね、すみません。。。どう扱いたいのかがあるので、意図した形にご自身で直して頂く必要はありますが、Linear.__call__に渡すxの形が(N, 1)になるようにreshape関数使って変形、もしくはx自体をバラして入力して貰う必要がありますね。

futashige

2017/12/19 01:28

行いたいことは、fwd内でxの各要素にアクセスすることです。この場合、x[i]のような表記は間違っているのでしょうか？

diningyo

2017/12/19 02:14

それだと、次元が落ちてLinear.__call__関数の仕様に合わないので、それ相応の加工をしてください。ということです。

futashige

2017/12/19 06:12

どのように加工すれば良いのでしょうか？