Ошибка измерения в целевой матрице MATLAB Neural Network Toolbox (NNtool)
Я изучаю набор инструментов нейронной сети MATLAB (NNtool) и сталкиваюсь с проблемой наличия несовместимых размеров целевой матрицы. Точное сообщение об ошибке:
com.mathworks.jmi.MatlabException: Недостаточное количество выходов с правой стороны знака равенства для выполнения назначения.
Позвольте мне объяснить подробно. У меня есть изображение с некоторым эллиптическим изображением, и я хочу оценить эллиптические параметры, используя нейронную сеть, для этого у меня есть тренировочные данные со всеми целевыми значениями. Итак, я даю изображение в качестве входных данных (я сначала читаю изображение, преобразовываю его в формат mat2gray(), а затем импортирую его в NNtool), а затем устанавливаю целевую матрицу (моя целевая матрица содержит два значения, так как мой нейронный Сеть будет выводить два значения, я попытался отформатировать вывод в обоих направлениях, [0,5 0,9], а также [0,5; 0,9], но все равно я получаю ту же ошибку.
Я также попытался сохранить количество столбцов одинаковым для входной и целевой матрицы. Я сделал свою матрицу ввода как [2304,1] (у меня изображение 48*48, что равно 2304), и моя целевая матрица имеет размеры [2,1], но опять-таки возникает та же ошибка. При поиске я читал, что это какая-то ошибка памяти. Я не уверен, правильно это или нет. Это тот случай?
Для этой нейронной сети мне нужно обучить 40000 изображений. Каждое изображение имеет размер 48*48. Как я могу ввести эти много изображений в NNtool?
1 ответ
С http://www.mathworks.ch/support/solutions/en/data/1-BBJCDC/index.html
Это усовершенствование было включено в Выпуск 2010b (R2010b). Для предыдущих выпусков продукта, читайте ниже для любых возможных обходных путей:
Сообщение об ошибке: Ошибка в ==> nntool на 681 [errmsg,errid] = me.message; происходит из-за ошибки нехватки памяти, которая произошла ранее во время вызова TRAIN в блоке TRY CATCH. Возможность показать стандартное сообщение об ошибке "Недостаточно памяти" недоступна в NNTOOL в Neural Network Toolbox 6.0.3 (R2009b).
В качестве обходного пути уменьшите огромное количество входных данных, так как они генерируют огромные внутренние временные матрицы при расчете шагов обучения.