定義した多層パーセプトロンを使用し、データを学習するコーディングを実施する中でエラーが発生して行き詰ってます。

実現したいこと

ここに実現したいことを箇条書きで書いてください。

[1 ] エラーを解消し、学習を成功させたい。
[ 2] エラーの内容を理解したい。

前提

Ptthonを使ってコーディングの演習をしています。

発生している問題・エラーメッセージ

ValueError Traceback (most recent call last)
<ipython-input-14-8cec7584f882> in <cell line: 15>()
16 # 訓練
17 # Chapter02範囲外のため、ミニバッチは使用しない
---> 18 y = model.forward(x_train)
19 train_loss = MSE(t_train, y)
20 model.backward(t_train, y)

1 frames
<ipython-input-12-ec18eea6767d> in forward(self, x)
49 self.layer0 = x
50 self.layer1 = relu(self.b1+np.dot(x,self.w1))
---> 51 self.layer2 = relu(self.b2+np.dot(x,self.w2))
52 self.layer3 = relu(self.b3+np.dot(x,self.w3))
53 self.out = self.b4+np.dot(x,self.w4)

/usr/local/lib/python3.10/dist-packages/numpy/core/overrides.py in dot(*args, **kwargs)

ValueError: shapes (10000,2) and (50,50) not aligned: 2 (dim 1) != 50 (dim 0)

今回記述しているコードは下記となります。何卒宜しくお願い致します。

python
1# 回帰モデル
2class MLP_regressor():
3    '''
4    多層パーセプトロン Multi Layered Perceptron
5    構成: [入力層, 第1層, 第2層, 第3層, 出力層]
6    ノード数: [2, 50, 50, 10, 1]
7    '''
8
9    def __init__(self):
10        '''
11        コンストラクタ
12        パラメータ（重みw, バイアスb）の定義
13        第1層重み self.w1: [2, 50] 平均0, 標準偏差0.1の乱数
14        第2層重み self.w2: [50, 50] 平均0, 標準偏差0.1の乱数
15        第3層重み self.w3: [50, 10] 平均0, 標準偏差0.1の乱数
16        第4層重み self.w4: [10, 1] 平均0, 標準偏差0.1の乱数
17        
18        第1層バイアス self.b1: [50] 要素が全て0
19        第2層バイアス self.b2: [50] 要素が全て0
20        第3層バイアス self.b3: [10] 要素が全て0
21        第4層バイアス self.b4: [1] 要素が全て0
22        
23        numpyの乱数については以下のページを参照
24        https://numpy.org/doc/stable/reference/random/generated/numpy.random.randn.html
25        '''
26        # 重みの定義
27        self.w1 = np.random.randn(2, 50) * 0.1
28        self.w2 = np.random.randn(50, 50) * 0.1
29        self.w3 = np.random.randn(50, 10) * 0.1
30        self.w4 = np.random.randn(10, 1) * 0.1
31
32        # バイアスの定義
33        self.b1 = np.zeros(50, dtype=float)
34        self.b2 = np.zeros(50, dtype=float)
35        self.b3 = np.zeros(10, dtype=float)
36        self.b4 = np.zeros(1, dtype=float)
37
38    def forward(self, x):
39        '''
40        順伝播
41        入力 x: [N, 2]
42        入力層 self.layer0: [N, 2]
43        第1層 self.layer1: [N, 50]
44        第2層 self.layer2: [N, 50]
45        第3層 self.layer3: [N, 10]
46        出力層 self.out: [N, 1]
47        '''
48
49        self.layer0 = x
50        self.layer1 = relu(self.b1+np.dot(x,self.w1))      
51        self.layer2 = relu(self.b2+np.dot(x,self.w2))      
52        self.layer3 = relu(self.b3+np.dot(x,self.w3))     
53        self.out = self.b4+np.dot(x,self.w4)               
54        return self.out
55
56    def backward(self, t, y):
57        '''
58        逆伝播
59        真の値 t: [N, 1]
60        予測値 y: [N, 1]
61        
62        出力層誤差 delta4: [N, 1]
63        第3層誤差 delta3: [N, 10]
64        第2層誤差 delta2: [N, 50]
65        第1層誤差 delta1: [N, 50]
66        
67        第4層b勾配 dedb4: [N, 1]
68        第3層b勾配 dedb3: [N, 10]
69        第2層b勾配 dedb2: [N, 50]
70        第1層b勾配 dedb1: [N, 50]
71        
72        第4層w勾配 dedw4: [N, 10, 1]
73        第3層w勾配 dedw3: [N, 50, 10]
74        第2層w勾配 dedw2: [N, 50, 50]
75        第1層w勾配 dedw1: [N, 2, 50]
76        '''
77        # 出力層の誤差デルタは二乗誤差の微分
78        delta4= -2 *(t-y)
79        # 誤差逆伝播
80        delta3 = delta4 * self.w4.t
81        delta2 = relu(delta3) * self.w3.t
82        delta1 = relu(delta2) * self.w2.t
83
84        # バイアスbのコスト関数eに対する勾配
85        self.dedb4 = np.mean(delta4, axis=0)
86        self.dedb3 = np.mean(delta3 * (self.layer3 > 0), axis=0)
87        self.dedb2 = np.mean(delta2 * (self.layer2 > 0), axis=0)
88        self.dedb1 = np.mean(delta1 * (self.layer1 > 0), axis=0)
89
90        # 重みwのコスト関数eに対する勾配
91        self.dedw4 = np.dot(self.layer3.T, delta4) / delta4.shape[0]
92        self.dedw3 = np.dot(self.layer2.T, delta3 * (self.layer3 > 0)) / delta3.shape[0]
93        self.dedw2 = np.dot(self.layer1.T, delta2 * (self.layer2 > 0)) / delta2.shape[0]
94        self.dedw1 = np.dot(self.layer0.T, delta1 * (self.layer1 > 0)) / delta1.shape[0]
95
96    def optimize_GradientDecent(self, lr):
97        '''
98        勾配降下法によるパラメータの更新
99        '''
100        self.b1 -= lr * self.dedb1
101        self.b2 -= lr * self.dedb2
102        self.b3 -= lr * self.dedb3
103        self.b4 -= lr * self.dedb4
104
105        self.w1 -= lr * self.dedw1
106        self.w2 -= lr * self.dedw2
107        self.w3 -= lr * self.dedw3
108        self.w4 -= lr * self.dedw4
109
110# モデルの定義
111model = MLP_regressor()
112
113# 学習率
114lr = 0.01
115# 学習エポック数
116n_epoch = 500
117
118x_train = train_data[:, 0:2]
119t_train = train_data[:, 2:3]
120x_test = test_data[:, 0:2]
121t_test = test_data[:, 2:3]
122
123# n_epoch繰り返す
124for n in range(n_epoch):
125    # 訓練
126    y = model.forward(x_train)
127    train_loss = MSE(t_train, y)
128    model.backward(t_train, y)
129    model.optimize_GradientDecent(lr)
130
131    # テスト
132    y = model.forward(x_test)
133    test_loss = MSE(t_test, y)
134
135    print('EPOCH ', n + 1, ' | TRAIN LOSS ',
136          train_loss, ' | TEST LOSS ', test_loss)
137regression_loss = test_loss

jbpb0

2023/04/28 23:38

他人が現象を再現できるように、質問にコードを載せた方が、回答されやすくなると思いますよ

meg_

2023/04/29 00:26

> [ 2] エラーの内容を理解したい。エラーは下記で発生しているようなので、さらに下記引数の計算のどこで発生しているのか？を調べると良いのでは？ > ---> 53 self.layer2 = relu(self.b2+np.dot(x,self.w2))

zuken

2023/04/29 09:51

ご指摘ありがとうございます。今回のコードは下記となります。何卒宜しくお願い致します。 class MLP_regressor(): ''' 多層パーセプトロン Multi Layered Perceptron 構成: [入力層, 第1層, 第2層, 第3層, 出力層] ノード数: [2, 50, 50, 10, 1] ''' def __init__(self): ''' コンストラクタパラメータ（重みw, バイアスb）の定義第1層重み self.w1: [2, 50] 平均0, 標準偏差0.1の乱数第2層重み self.w2: [50, 50] 平均0, 標準偏差0.1の乱数第3層重み self.w3: [50, 10] 平均0, 標準偏差0.1の乱数第4層重み self.w4: [10, 1] 平均0, 標準偏差0.1の乱数第1層バイアス self.b1: [50] 要素が全て0 第2層バイアス self.b2: [50] 要素が全て0 第3層バイアス self.b3: [10] 要素が全て0 第4層バイアス self.b4: [1] 要素が全て0 # 重みの定義 self.w1 = np.random.randn(2, 50) * 0.1 self.w2 = np.random.randn(50, 50) * 0.1 self.w3 = np.random.randn(50, 10) * 0.1 self.w4 = np.random.randn(10, 1) * 0.1 # バイアスの定義 self.b1 = np.zeros(50, dtype=float) self.b2 = np.zeros(50, dtype=float) self.b3 = np.zeros(10, dtype=float) self.b4 = np.zeros(1, dtype=float) def forward(self, x): ''' 順伝播入力 x: [N, 2] 入力層 self.layer0: [N, 2] 第1層 self.layer1: [N, 50] 第2層 self.layer2: [N, 50] 第3層 self.layer3: [N, 10] 出力層 self.out: [N, 1] ''' self.layer0 = x self.layer1 = relu(self.b1+np.dot(x,self.w1)) self.layer2 = relu(self.b2+np.dot(x,self.w2)) self.layer3 = relu(self.b3+np.dot(x,self.w3)) self.out = self.b4+np.dot(x,self.w4) return self.out def backward(self, t, y): ''' 逆伝播真の値 t: [N, 1] 予測値 y: [N, 1] 出力層誤差 delta4: [N, 1] 第3層誤差 delta3: [N, 10] 第2層誤差 delta2: [N, 50] 第1層誤差 delta1: [N, 50] 第4層b勾配 dedb4: [N, 1] 第3層b勾配 dedb3: [N, 10] 第2層b勾配 dedb2: [N, 50] 第1層b勾配 dedb1: [N, 50] 第4層w勾配 dedw4: [N, 10, 1] 第3層w勾配 dedw3: [N, 50, 10] 第2層w勾配 dedw2: [N, 50, 50] 第1層w勾配 dedw1: [N, 2, 50] ''' # 出力層の誤差デルタは二乗誤差の微分 delta4= -2 *(t-y) # 誤差逆伝播 delta3 = delta4 * self.w4.t delta2 = relu(delta3) * self.w3.t delta1 = relu(delta2) * self.w2.t # バイアスbのコスト関数eに対する勾配 self.dedb4 = np.mean(delta4, axis=0) self.dedb3 = np.mean(delta3 * (self.layer3 > 0), axis=0) self.dedb2 = np.mean(delta2 * (self.layer2 > 0), axis=0) self.dedb1 = np.mean(delta1 * (self.layer1 > 0), axis=0) # 重みwのコスト関数eに対する勾配 self.dedw4 = np.dot(self.layer3.T, delta4) / delta4.shape[0] self.dedw3 = np.dot(self.layer2.T, delta3 * (self.layer3 > 0)) / delta3.shape[0] self.dedw2 = np.dot(self.layer1.T, delta2 * (self.layer2 > 0)) / delta2.shape[0] self.dedw1 = np.dot(self.layer0.T, delta1 * (self.layer1 > 0)) / delta1.shape[0] def optimize_GradientDecent(self, lr): ''' 勾配降下法によるパラメータの更新 ''' self.b1 -= lr * self.dedb1 self.b2 -= lr * self.dedb2 self.b3 -= lr * self.dedb3 self.b4 -= lr * self.dedb4 self.w1 -= lr * self.dedw1 self.w2 -= lr * self.dedw2 self.w3 -= lr * self.dedw3 self.w4 -= lr * self.dedw4

jbpb0

2023/04/29 12:19

コードは、質問を編集して追記してください

zuken

2023/04/29 22:05

ありがとうございます。質問を編集しました。

meg_

2023/04/30 01:04

コードはインデントが判るように記入いただがないと非常に読みにくいです。（第三者が読む気にならないです） https://teratail.com/help/question-tips の「3-5. あなたが何をしたかを書きましょう」の「ソースコードを書きましょう」アドバイスの箇所等を参考にMarkdownで記入しましょう。

jbpb0

2023/04/30 09:49

pythonのコードの一番最初の行のすぐ上に ```python だけの行を追加してくださいまた、pythonのコードの一番最後の行のすぐ下に ``` だけの行を追加してくださいまたは、 https://teratail.storage.googleapis.com/uploads/contributed_images/56957fe805d9d7befa7dba6a98676d2b.gif を見て、そのようにしてみてください現状、コードがとても読み辛いです質問にコードを載せる際に上記をやってくれたら、他人がコードを読みやすくなり、コードの実行による現象確認もやりやすくなるので、回答されやすくなります

zuken

2023/04/30 21:26

ご指摘いただきありがとうございます。コードの個所追加してみました。お手数おかけしますがご確認お願いします。

行動規範の内容に同意します

回答2件

/usr/local/lib/python3.10/dist-packages/numpy/core/overrides.py in dot(*args, **kwargs)

ValueError: shapes (10000,2) and (50,50) not aligned: 2 (dim 1) != 50 (dim 0)

上記エラーメッセージよりnumpy.dot()でエラーが発生していて今回のコードでは行列乗算をしているようですね。numpy.dot

w2がnp.random.randn(50, 50) * 0.1で作成されているようなので、x.shapeは(10, 50)などの列数が50のデータでないとエラーが発生するでしょう。

書籍などを参考に質問のコードを書かれている場合には、転記ミスがないか確認しましょう。
今回の場合は入力データが間違っているか、重みの定義が間違っている可能性があるかと思います。

投稿2023/04/30 01:21

meg_

総合スコア10732

自己解決

50行～のnp.dotの引数をself.layer＊に変更したところ解決しました。お騒がせしてすみません。

python
1        self.layer0 = x
2        self.layer1 = relu(self.b1+np.dot(self.layer0,self.w1))       
3        self.layer2 = relu(self.b2 + np.dot(self.layer1, self.w2))   
4        self.layer3 = relu(self.b3+np.dot(self.layer2,self.w3))      
5        self.out = self.b4+np.dot(self.layer3,self.w4)