Sto cercando di utilizzare la funzionalità di abbandono in tensorflow:Errore utilizzando dropout in tensorflow
sess=tf.InteractiveSession()
initial = tf.truncated_normal([1,4], stddev=0.1)
x = tf.Variable(initial)
keep_prob = tf.placeholder("float")
dx = tf.nn.dropout(x, keep_prob)
sess.run(tf.initialize_all_variables())
sess.run(dx, feed_dict={keep_prob: 0.5})
sess.close()
Questo esempio è molto simile a come si fa a the tutorial; tuttavia, io alla fine con il seguente errore:
RuntimeError: min: Conversion function <function constant at 0x7efcc6e1ec80> for type <type 'object'> returned incompatible dtype: requested = float32_ref, actual = float32
ho qualche difficoltà a comprendere il DTYPE float32_ref
, che sembra essere lo sfondo del problema. Ho anche provato a specificare dtype=tf.float32
, ma ciò non risolve nulla.
Ho provato anche questo esempio, che funziona bene con float32
:
sess=tf.Session()
x=tf.Variable(np.array([1.0,2.0,3.0,4.0]))
sess.run(x.initializer)
x=tf.cast(x,tf.float32)
prob=tf.Variable(np.array([0.5]))
sess.run(prob.initializer)
prob=tf.cast(prob,tf.float32)
dx=tf.nn.dropout(x,prob)
sess.run(dx)
sess.close()
Tuttavia, se io scaccio float64
invece di float32
ottengo lo stesso errore:
RuntimeError: min: Conversion function <function constant at 0x7efcc6e1ec80> for type <type 'object'> returned incompatible dtype: requested = float64_ref, actual = float64
Edit:
Sembra che questo problema si presenti solo quando si utilizza il dropout direttamente su Variabile s, lavora per i segnaposto e per i prodotti di variabili e segnaposto, Esempio:
sess=tf.InteractiveSession()
x = tf.placeholder(tf.float64)
sess=tf.InteractiveSession()
initial = tf.truncated_normal([1,5], stddev=0.1,dtype=tf.float64)
y = tf.Variable(initial)
keep_prob = tf.placeholder(tf.float64)
dx = tf.nn.dropout(x*y, keep_prob)
sess.run(tf.initialize_all_variables())
sess.run(dx, feed_dict={x : np.array([1.0, 2.0, 3.0, 4.0, 5.0]),keep_prob: 0.5})
sess.close()