如何修复 MATLAB R2016b 中的矩阵维度错误

Question

我正在编写一个涉及使用神经网络进行深度学习的 MATLAB 代码。 图像或数据以矩阵的形式输入。 但我收到一个错误“矩阵尺寸必须一致”。 有人可以帮我解决这个问题吗？

我尝试通过使用.* 而不是矩阵乘法* 来解决此问题，但该方法不起作用。

函数Deeplearningoriginal：

function [w1,w2,w3,w4] = Deeplearningoriginal(w1,w2,w3,w4,input_Image,correct_output)
alpha=0.01;
N=5;
for k = 1:N
input_Image = reshape( input_Image( :, :,k ),25 ,1);

input_of_hidden_layer1 = w1* input_Image;
output_of_hidden_layer1 = ReLU(input_of_hidden_layer1);

input_of_hidden_layer2 = w2* output_of_hidden_layer1;
output_of_hidden_layer2 = ReLU( input_of_hidden_layer2);


input_of_hidden_layer3 = w3* output_of_hidden_layer2;
output_of_hidden_layer3 = ReLU(input_of_hidden_layer3);

input_of_output_node = w4* output_of_hidden_layer3;
final_output = Softmax(input_of_output_node);

correct_output_transpose = correct_output(k,:);
error = correct_output_transpose - final_output;

delta4 = error;

error_of_hidden_layer3 = w4'* delta4;
delta3 = (input_of_hidden_layer3>0).*error_of_hidden_layer3;

error_of_hidden_layer2 = w3'* delta3;
delta2 = (input_of_hidden_layer2>0).* error_of_hidden_layer2;

error_of_hidden_layer1 = w2'*delta2;
delta1 = (input_of_hidden_layer1>0).* error_of_hidden_layer1;

adjustment_of_w4 = alpha*delta4*output_of_hidden_layer3';
adjustment_of_w3 = alpha*delta3*output_of_hidden_layer2';
adjustment_of_w2 = alpha*delta2*output_of_hidden_layer1';
adjustment_of_w1 = alpha*delta1*reshaped_input_image';

w1 = w1 + adjustment_of_w1;
  w2 = w2 + adjustment_of_w2;
    w3 = w3 + adjustment_of_w3;
      w4 = w4 + adjustment_of_w4;
end
end

训练网络：

input_Image = zeros (5,5,5);

input_Image(:,:,1) = [ 1 0 0 1 1;
                   1 1 0 1 1;
                   1 1 0 1 1;
                   1 1 0 1 1;
                   1 0 0 0 1;
                   ];
input_Image(:,:,2) = [ 0 0 0 0 1;
                   1 1 1 1 0;
                   1 0 0 0 1;
                   0 1 1 1 1;
                   0 0 0 0 0;
                   ];
input_Image(:,:,3) = [ 0 0 0 0 1;
                   1 1 0 0 1;
                   1 0 1 0 1;
                   0 0 0 0 0;
                   1 1 1 0 1;
                   ];
input_Image(:,:,4) = [ 1 1 1 0 1;
                   1 1 0 0 1;
                   1 0 1 0 1;
                   0 0 0 0 0;
                   1 1 1 0 1;
                   ];
input_Image(:,:,5) = [ 0 0 0 0 0;
                   0 1 1 1 1;
                   0 0 0 0 1;
                   1 1 1 1 0;
                   0 0 0 0 1;
                   ];
correct_output    =  [ 1 0 0 0 0;
                   0 1 0 0 0;
                   0 0 1 0 0;
                   0 0 0 1 0;
                   0 0 0 0 1;
                  ];
w1 = 2* rand(20,25) -1;
w2 = 2* rand(20,20) -1;
w3 = 2* rand(20,20) -1;
w4 = 2* rand(5,20) -1;

for epoch = 1:100
  [w1,w2,w3,w4] = Deeplearningoriginal(w1,w2,w3,w4,input_Image,correct_output);
end

我希望这段代码能够运行，但由于出现错误，我无法继续。

Answer 1

问题是reshape（其实是两个问题）。之后

input_image = reshape(input_image(:,:,k), 25,1);

input_image 是一个 25 行 1 列的数组，而 w2、w3 和 w4 只有 20 列。要进行矩阵乘法A*B，A 的列数必须与B 的行数一样多。

reshape 所写的另一个问题是，在第一次通过循环后，input_image 不再是 5x5x5 数组，而是一个仅包含 @987654334 元素的 25x1 数组@。有必要在分配的左侧（以及整个循环的其余部分）使用不同的名称，以避免丢失 input_image 的内容。

希望对你有帮助，

江淮