ifelse 和 switch 在 theano 中的目的是什么？

Question

我对他们一无所知，我是从http://deeplearning.net/software/theano/tutorial/conditions.html 读到的。我想它们的功能与我们的 ifelse 类似，但无法理解如何使用它们。请对此进行一些指导。谢谢

Answer 1

我认为它只是另一个作用于三个符号变量的运算符，如果第一个为真，则返回第二个，否则返回第三个。

但是对于许多运算符（例如- 和+），theano 已经为符号变量重载了它们，所以您可能感觉不到区别。

例如，如果a 和b 是数字，则c=a+b 创建一个变量c，其值为a+b。如果a 和b 是符号变量，那么c=a+b 创建另一个符号变量c，当对应的函数被调用/评估时，它将应用（元素方式）添加到a 和b。

这里是theano算子和图的介绍。 http://deeplearning.net/software/theano/extending/graphstructures.html

在某种意义上，ternary operator 是 python 的原生等同于 theano 的 ifelse 或 switch，用于符号变量。

Answer 2

代码是从链接中复制的，以便于解释： http://deeplearning.net/software/theano/extending/graphstructures.html

from theano import tensor as T
from theano.ifelse import ifelse
import theano, time, numpy

a,b = T.scalars('a','b')
x,y = T.matrices('x','y')

z_switch = T.switch(T.lt(a,b), T.mean(x), T.mean(y))
z_lazy = ifelse(T.lt(a,b), T.mean(x), T.mean(y))

f_switch = theano.function([a,b,x,y], z_switch,
                           mode=theano.Mode(linker='vm'))
f_lazyifelse = theano.function([a,b,x,y], z_lazy,
                               mode=theano.Mode(linker='vm'))

val1 = 0.
val2 = 1.
big_mat1 = numpy.ones((10000,1000))
big_mat2 = numpy.ones((10000,1000))

n_times = 10

tic = time.clock()
for i in range(n_times):
    f_switch(val1, val2, big_mat1, big_mat2)
print('time spent evaluating both values %f sec' % (time.clock()-tic))

tic = time.clock()
for i in range(n_times):
    f_lazyifelse(val1, val2, big_mat1, big_mat2)
print('time spent evaluating one value %f sec' % (time.clock()-tic))

在示例中，f_switch(val1, val2, big_mat1, big_mat2) 和 f_lazyifelse(val1, val2, big_mat1, big_mat2) 都在做同样的事情。如果 val1 为“小于”val2，则返回 big_mat1，否则返回 big_mat2。

但是“switch”和“ifelse”在性能上是有区别的。在“ifelse”中，根据条件，仅评估可能的输出之一。在这个例子中，在 f_lazyifelse(val1, val2, big_mat1, big_mat2) 中，如果 val1 小于 val2 那么只有 big_mat1 会被评估，它对一个大矩阵的所有元素执行平均函数，而 big_mat2 不会被评估。

另一方面，在“switch”的情况下，无论条件如何，都将评估两个可能的输出，并且在示例中，在 f_switch(val1, val2, big_mat1, big_mat2) 中，无论 val1 和 val2 都是 big_mat1并且 big_mat2 将被评估（在这里，对大矩阵的所有元素执行平均函数）。因此“switch”几乎是“ifelse”的两倍。