简单的误会，从神经切线开始

问题描述

我复制并简化了这个非常简单的代码，只是为了开始使用神经切线和jax

from jax import random
import neural_tangents as nt


init_fn,apply_fn,kernel_fn = nt.stax.serial(
    nt.stax.Dense(512),nt.stax.Relu(),nt.stax.Dense(1)
)

key1,_ = random.split(random.PRNGKey(1))
x = random.normal(key1,(1,1))  # training features
y = random.uniform(key1,shape=(1,1))  # training targets

predict_fn = nt.predict.gradient_descent_mse_ensemble(kernel_fn,x,y)
predictions = predict_fn(x,get='ntk')
print(y)
print("********")
print(predictions)

据我所知，它训练了一个“无限宽”的神经网络，以使单个训练示例实数适合其期望的目标（也是单个实数）。

因此y和predictions应该相同。我正在训练一个示例，我有一个无限强大的模型，在我看来，这两个应该是相同的。他们不是。打印：

[[0.12462091]]
********
[[[[-0.45066586]]]]

更重要的是，如果我将训练示例的数量更改为3，则两个打印件的尺寸现在不匹配！我期望找到两个三个数字的向量。我得到的是：

[[0.6283829 ]
 [0.53268707]
 [0.89792836]]
********
[[[[0.0453045 ]
   [0.01134446]
   [0.17562252]]]


 [[[0.01215818]
   [0.00304447]
   [0.0471311 ]]]


 [[[0.1367114 ]
   [0.03423319]
   [0.5299607 ]]]]

很明显，我有一个致命的误会。该文档没有帮助我。谁能阐明这个问题？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）