Theano 广播与 numpy 不同

Question

考虑以下 numpy 广播示例：

import numpy as np
import theano
from theano import tensor as T

xval = np.array([[1, 2, 3], [4, 5, 6]])
bval = np.array([[10, 20, 30]])
print xval + bval

正如预期的那样，向量bval被添加到矩阵xval的每一行，输出为：

[[11 22 33]
 [14 25 36]]

尝试在 git 版本的 theano 中复制相同的行为：

x = T.dmatrix('x')
b = theano.shared(bval)
z = x + b
f = theano.function([x], z)

print f(xval)

我收到以下错误：

ValueError: Input dimension mis-match. (input[0].shape[0] = 2, input[1].shape[0] = 1)
Apply node that caused the error: Elemwise{add,no_inplace}(x, <TensorType(int64, matrix)>)
Inputs types: [TensorType(float64, matrix), TensorType(int64, matrix)]
Inputs shapes: [(2, 3), (1, 3)]
Inputs strides: [(24, 8), (24, 8)]
Inputs scalar values: ['not scalar', 'not scalar']

我了解Tensor 对象（例如x）具有broadcastable 属性，但我无法找到一种方法来1）为shared 对象正确设置它或2）正确推断。如何在 theano 中重新实现 numpy 的行为？

Answer 1

Theano 需要在编译之前在图中声明所有可广播的维度。 NumPy 使用运行时形状信息。

默认情况下，所有共享变量尺寸都是不可广播的，因为它们的形状可能会改变。

要创建具有示例中所需的可广播维度的共享变量：

b = theano.shared(bval, broadcastable=(True,False))

我会将此信息添加到文档中。