2024智能计算系统实验2

关于网络层构建的报错

构建三层网络模型后进行测试出现了以下错误：

Loading parameters from file stu_upload/weight.npy
loading params for layer fc1 ...
loading params for layer fc2 ...
loading params for layer fc3 ...
[2024-3-18 15:10:37] [CNNL] [Warning]:[cnnlBatchMatMul] is deprecated and will be removed in the future release, please use [cnnlBatchMatMulBCast] instead.
Segmentation fault (core dumped)

Segmentation fault (core dumped)一般是由于越界产生

当时的网络层结构如下

# TODO：使用 pycnml 建立三层神经网络结构     
      
        self.net.setInputShape(batch_size, input_size, 1, 1) #设置输入参数
        # fc1
        
        input_shapem1=pycnnl.IntVector(4)  
        input_shapem1[0]=batch_size
        input_shapem1[1]=1
        input_shapem1[2]=1
        input_shapem1[3]=input_size
        weight_shapem1=pycnnl.IntVector(4)  
        weight_shapem1[0]=batch_size
        weight_shapem1[1]=1
        weight_shapem1[2]=input_size
        weight_shapem1[3]=hidden1

        output_shapem1=pycnnl.IntVector(4)  
        output_shapem1[0]=batch_size
        output_shapem1[1]=1
        output_shapem1[2]=1
        output_shapem1[3]=hidden1
    
        self.net.createMlpLayer('fc1', input_shapem1, weight_shapem1, output_shapem1)
        
        #relu1
        self.net.createReLuLayer('relu1')
        #fc2
        input_shapem2=pycnnl.IntVector(4)  
        input_shapem2[0]=batch_size
        input_shapem2[1]=1
        input_shapem2[2]=1
        input_shapem2[3]=hidden1

        weight_shapem2=pycnnl.IntVector(4)  
        weight_shapem2[0]=batch_size
        weight_shapem2[1]=1
        weight_shapem2[2]=hidden1
        weight_shapem2[3]=hidden2

        output_shapem2=pycnnl.IntVector(4)  
        output_shapem2[0]=batch_size
        output_shapem2[1]=1
        output_shapem2[2]=1
        output_shapem2[3]=hidden2
        self.net.createMlpLayer('fc2', input_shapem2, weight_shapem2, output_shapem2)
        #relu2
        self.net.createReLuLayer('relu2')

        #fc3
        input_shapem3=pycnnl.IntVector(4)  
        input_shapem3[0]=batch_size
        input_shapem3[1]=1
        input_shapem3[2]=1
        input_shapem3[3]=hidden2

        weight_shapem3=pycnnl.IntVector(4)  
        weight_shapem3[0]=batch_size
        weight_shapem3[1]=1
        weight_shapem3[2]=hidden2
        weight_shapem3[3]=out_classes

        output_shapem3=pycnnl.IntVector(4)  
        output_shapem3[0]=batch_size
        output_shapem3[1]=1
        output_shapem3[2]=1
        output_shapem3[3]=out_classes
        self.net.createMlpLayer('fc3', input_shapem3, weight_shapem3, output_shapem3)
        #softmax
        self.net.createSoftmaxLayer('softmax', input_shapem3, axis=1)

经过修改隐藏层参数、batch_size、迭代次数后发现不是这些原因引起，
通过使用print定位错误位置，发现在调用forword时出现错误，
通过使用gdb工具检查core只能发现错误来源于.py文件，不能看到在第几行出现了错误。
反反复复，跌跌撞撞。

新的发现

耗时许久，突然在实验手册中看到softmax层传入的参数input_shape是一个长度为3的列表，而之前传入的input_shapem3长度为4。

经过修改，softmax层如下定义：

        #softmax
        input_shapem4=pycnnl.IntVector(3)  
        input_shapem4[0]=batch_size
        input_shapem4[1]=1
        input_shapem4[2]=out_classes
        self.net.createSoftmaxLayer('softmax', input_shapem4, axis=1)

至此，程序就能跑通了，至于达到100%分数，，，，
（那可能需要在forward函数里加sleep了）
另 macos直接压缩的zip会带有隐藏文件，可以在stu_upload中写一个zip.py进行压缩。
请直接压缩文件，不要压缩文件夹，不然会报找不到文件的错误。