bug1 我们在DeepGS 1.0版中测试了示例（**train_GSModel**），发现它可以成功获得。 信息如下： 加载所需的命名空间：**mxnet** 加载所需的包：mxnet [1]“图像大小等于原始的snp编号” 用1个设备开始训练 [1] Train-mae = 0.810270227050409 [2] Train-mae = 0.808830445028143
PC中的错误消息可能是由于您的mxnet未成功安装。 请确保您可以运行短MXNetR例子（https://mxnet.incubator.apache.org/install/index.html）： 库（mxnet） 一< - mx.nd.ones（C（2,3） ，ctx = mx.gpu（）） b < - a * 2 + 1 b
如果您无法尝试该示例，那么您可以尝试使用以下代码链接您的libmxnet.so sudo ldconfig / usr / local / cuda / lib64 /
如果您可以运行该示例，那么您可以尝试我们更新的DeepGS版本1.1。 运行**train_deepGSModel**中的示例，您可能得到以下信息： 加载所需的命名空间：mxnet 加载所需的包：mxnet 开始使用1个设备进行培训 [1] Train-mae = 0.805358654037991 [1] Validation-mae = 0.82273542326875 [2] Train -mae = 0.804309009046412 [2] Validation-mae = 0.823836773245906
如果您仍然无法在上述步骤后运行我们的DeepGS，请上传错误消息，我们将讨论如何解决它。 bug2 请确保您在DeepGS 1.1版的train_deepGSModel中尝试了我们的示例： 库（DeepGS） 数据（wheat_example） 标记< - wheat_example $ Markers y < - wheat_example $ y cvSampleList < - cvSampleIndex（length（y），10,1）
cvIdx < - 1 trainIdx < - cvSampleList [[cvIdx]] $ trainIdx testIdx < - cvSampleList [[cvIdx]] $ testIdx trainMat < - Markers [trainIdx，] trainPheno < - y [trainIdx] validIdx < - sample（1：length（ trainIdx），floor（length（trainIdx）0.1）） validMat < - trainMat [validIdx，] validPheno < - trainPheno [validIdx] trainMat < - trainMat [-validIdx，] trainPheno < - trainPheno [-validIdx] conv_kernel < - c（“ 118“）##卷积内核（ fileter shape）conv_stride < - c（”11“） conv_num_filter < - c（8）##过滤器数量 pool_act_type < - c（”relu“）##下一个池的活动函数 pool_type < - c（“最大”）## max pooling shape pool_kernel < - c（“14”）## pooling shape pool_stride < - c（“1 * 4”）##池数kernerls fullayer_num_hidden < - c（ 32,1 ）fullayer_act_type < - c（“sigmoid”） drop_float < - c（0.2,0.1,0.05） cnnFrame < - list （conv_kernel = conv_kernel，conv_num_filter = conv_num_filter， conv_stride = conv_stride，pool_act_type = pool_act_type， pool_type = pool_type，pool_kernel = pool_kernel， pool_stride = pool_stride，fullayer_num_hidden = fullayer_num_hidden， fullayer_act_type = fullayer_act_type，drop_float = drop_float）
markerImage = paste0（“1 *”，ncol（trainMat））
trainGSmodel < - train_deepGSModel（trainMat = trainMat，trainPheno = trainPheno， validMat = validMat，validPheno = validPheno，markerImage = markerImage， cnnFrame = cnnFrame，device_type =“cpu”，gpuNum = 1，eval_metric =“mae”， num_round = 6000，array_batch_size = 30，learning_rate = 0.01， 动量= 0.5，wd = 0.00001，randomseeds = 0，initializer_idx = 0.01）
您将获得： 使用1台设备开始培训 [1] Train-mae = 0.805207145042126 [1] Validation-mae = 0.822773229610175 [2] Train-mae = 0.804317240615709 [2] Validation-mae = 0.823776994412765
bug3 实际上，输入数据的格式是严格的。 正如我们所描述的，trainPheno必须是N * 1的向量，其中N代表个体。
我们检查了可能的原因，发现错误可能是输入格式。 在你的第一次和第二次尝试中，你得到： mx.nd.internal.dispatch.Ops（.Generic，e1，e2）中的错误： [11:41:33] src / operator / tensor /./…/ elemwise_op_common。 h：123：检查失败：分配（＆dattr，（* vec）[i]）第1个输入节点中的attr不兼容：预期[100]，得到[100,1] 并且 mx.nd.internal.dispatch出错.Ops（.Generic，e1，e2）： [20:25:46] src / operator / nn /…/ tensor /…/ elemwise_op_common.h:123：检查失败：assign（＆dattr，（* vec）[ i]）在第1个输入节点不兼容attr：预期[30]，得到[30,1]
这是因为你的数据中trainPheno的大小是1 * 100. 当我们在示例数据中重构trainPheno（从468 * 1更改为1 * 468）时，我们得到了类似的错误： exec $ update.arg中的错误。数组（arg.arrays，match.name，skip.null）： [11:04:07] src / operator / nn /…/ tensor /…/ elemwise_op_common.h:123：检查失败：assign（＆dattr，（ * vec）[i]）第0个输出节点中的attr不相容：预期[30]，得到[30,1]。
因此，请确保trainMat必须是训练模型的基因型矩阵（N×M; N个体，M个标记），并且trainPheno必须是训练模式的表型的载体（N * 1）。 更多详细信息，请参阅我们的train_deepGSModel函数说明中的Arguments部分。
我们为两天前没有清楚地检查语法而道歉，实际上，在更新我们的代码（conv_kernel < - c（“1 * 18”）而不是conv_kernel < - c（“118”），conv_stride <之后，一些“*”丢失了 - c（“1 * 1”）不是conv_stride < - c（“11”），pool_kernel < - c（“1 * 4”）不是pool_kernel < - c（“14”）），真正的类型应该是在我们的train_deepGSModel函数描述的Examples部分中。
您可以尝试以下（与我们的train_deepGSModel函数描述中的示例部分相同）： data（wheat_example） 标记< - wheat_example $ Markers y < - wheat_example $ y cvSampleList < - cvSampleIndex（length（y），10,1） cvIdx < - 1 trainIdx < - cvSampleList [[cvIdx]] $ trainIdx testIdx < - cvSampleList [[cvIdx]] $ testIdx trainMat < - Markers [trainIdx，] trainPheno < - y [trainIdx] validIdx < - sample（1：length（trainIdx） ，floor（length（trainIdx）* 0.1）） validMat < - trainMat [validIdx，] validPheno < - trainPheno [validIdx] trainMat < - trainMat [-validIdx，] trainPheno < - trainPheno [-validIdx] conv_kernel < - c（“1 * 18“）##卷积内核（fileter shape） conv_stride < - c（“1 * 1”） conv_num_filter < - c（8）##过滤器数量 pool_act_type < - c（“relu”）##下一个池的活动函数 pool_type < - c（“max”）## max pooling shape pool_kernel < - c（“1 * 4”）## pooling shape pool_stride < - c（“1 * 4”）##池数kernerls fullayer_num_hidden < - c（ 32,1 ）fullayer_act_type < - c（“ sigmoid“） drop_float < - c（0.2,0.1,0.05） cnnFrame < - list（conv_kernel = conv_kernel，conv_num_filter = conv_num_filter， conv_stride = conv_stride，pool_act_type = pool_act_type， pool_type = pool_type，pool_kernel = pool_kernel， pool_stride = pool_stride，fullayer_num_hidden = fullayer_num_hidden ， fullayer_act_type = fullayer_act_type，drop_float = drop_float）
markerImage = paste0（“1 *”，ncol（trainMat））
trainGSmodel < - train_deepGSModel（trainMat = trainMat，trainPheno = trainPheno， validMat = validMat，validPheno = validPheno，markerImage = markerImage， cnnFrame = cnnFrame，device_type =“cpu”，gpuNum = 1，eval_metric =“mae”， num_round = 6000，array_batch_size = 30，learning_rate = 0.01， 动量= 0.5，wd = 0.00001，randomseeds = 0，initializer_idx = 0.01）
此外，mxnet包已经多次更改，我们使用的当前版本是1.2.0。
总之，请检查输入数据格式。 如果您仍然遇到错误，请更新您的代码和数据，我们会详细检查它们。
如果您的计算机中有GPU，则可以将“device_type =”cpu“”更改为“device_type =”gpu“”以获得更快的体验。
最好的祝愿。 bug3 实际上，我们使用Ubuntu 14.04和GPU来构建我们的DeepGS。
为了与你的会话保持一致，我们在mac os上重新测试我们的DeepGS，会话信息是： R版本3.4.1（2017-06-30） 平台：x86_64-apple-darwin15.6.0（64位） 运行下：macOS High Sierra 10.13.3
我们通过以下指令安装了mxnet（https://mxnet.incubator.apache.org/install/index.html）： cran < - getOption（“repos”） cran [“dmlc”] < - “ https：// apache-mxnet.s3-accelerate.dualstack.amazonaws.com/R/CRAN/ “ 选项（回购= CRAN） install.packages（” mxnet“） 安装DeepGS 1.1之后，会话Infor正在：
其他附件包： [1] DeepGS_1.1 mxnet_0.10.1
我们应该注意，在mac os中，预编译版本是mxnet 0.10.1（默认情况下）， 但是，在Ubuntu中，完整版本（我们使用的）是指令后面的mxnet 1.2.0（https：//mxnet.incubator.apache。 org / install / index.html）。
然后我们在我们的手册中运行代码并成功进行： 用1个设备开始培训 [1] Train-mae = 0.800936881634091 [1] Validation-mae = 0.883060586561138 [2] Train-mae = 0.801303223080193 [2] Validation-mae = 0.883761811396107
我们为没有清楚地描述系统版本而道歉，我们在README.md中修改了这个系统信息。 为了与你的mac os保持一致，我们建议你重新安装预编译的mxnet 0.10.1而不是完整的mxnet 1.2.0。 bug4 @gulinlin您好，最新版本的mxnet可以从官方说明安装（https://mxnet.incubator.apache.org/install/）
如果仍然无法编译，可以尝试以下步骤： git clone --no-checkout https://github.com/apache/incubator-mxnet cd incubator-mxnet git remote -v git fetch origin git branch -avv git checkout #check out you version git submodule update --init --recursive comple for CPU version (optional) make -j $(nproc) USE_OPENCV=1 USE_BLAS=openblas USE_CUDA=0 compile for GPU version make -j $(nproc) USE_OPENCV=1 USE_BLAS=openblas USE_CUDA=1 USE_CUDA_PATH=/usr/local/cuda make rpkg R CMD INSTALLL mxnet_current_r.tar.gz
完成这些步骤后，将成功安装mxnet，您可以通过以下方式进行测试： library(mxnet) a <- mx.nd.ones(c(2,3), ctx=mx.gpu()) b <- a*2+1 b
值得注意的是，对于Linux操作系统，在编译时必须使用“apt-get”手动安装一些R包
无论如何，我们强烈建议您使用我们开发的Docker镜像DeepGS，详细的安装步骤可在以下网址获得：https：//github.com/cma2015/DeepGS/blob/master/DeepGS_User_Manual.pdf
