代码中有一部分:
batch = getRandomBatch(batch_size)
users_ind = batch[0, :, 0]
items_ind = batch[0, :, 2]
for i in range(25):
sum_loss, err = computeLossFunction(batch)
users_mat[users_ind, :] += err*items_mat[items_ind, :]
它抛出一个ValueError,在users_mat[users_ind, :] += err*items_mat[items_ind, :]
中,操作数不能与形状(10000,)(10000,10)一起广播,我不知道如何处理它。
为什么err的形状是(10000,)而不是(10000,1)?
一、二、二、三、三、四、四、四、四、四、四、四、四、六、六、六
users_mat = np.random.rand(len_users, latent_space_dimension)
items_mat = np.random.rand(len_items, latent_space_dimension)
def getRandomBatch(batch_size):
batch = np.random.choice(len_data_mat-1, size=(1, batch_size))
batch = data_mat[batch]
return batch
def computeLossFunction(data_mat):
items_ind = data_mat[0, :, 2]
rates = data_mat[0, :, 1]
users_ind = data_mat[0, :, 0]
vector_items = items_mat[items_ind, :]
vector_users = users_mat[users_ind, :]
dot_list = np.sum(vector_items*vector_users, axis=1)
err = rates-dot_list
piece = np.power(err, 2)+lambda_val*(np.sum(np.power(vector_users, 2), axis=1) + np.sum(np.power(vector_items, 2), axis=1))
sum_loss = np.mean(piece)
return sum_loss, err
数据矩阵是一个10000行3列的numpy矩阵
在尝试之后,err=err.reforme(-1,1)可以解决这个问题,但是我仍然不明白为什么err的形状是(10000,)而不是(10000,1),所以我必须显式地重新整形。
在
(10000,)
的数组上使用.reshape(-1, 1)
,反之亦然。从您的代码中也可以明显看出,
data_mat
是二维的,而不是三维的,这可能是您混淆的原因。一、 e.:相关问题 更多 >
编程相关推荐