我想了解 theano 函数（给定，更新）

Question

我想问几个关于theano函数的问题。

1.我看到没有分配输入变量的脚本。如果是这样，它是如何工作的？

import theano.tensor as T
import theano
# Define symbolic variables
X = T.matrix('X')
w = theano.shared([0.1, 0.1], name='w')
t = T.vector('t')
# Define Loss Expression
L = (t-X*w)**2
# Calculate Gradient Expression
dLdw = T.grad(L, w)
# Compile the training function
lr = 0.1
data_X = theano.shared([[0.1, 0.2], [0.2, 0.3], [0.1, 0.4], [0.2, 0.4]])
data_t = theano.shared([3, 3.5, 4, 4.2])
calc_output = theano.function([], L, 
    updates=[(w, w - lr*dLdw)], givens=[(X,data_X), (t,data_t)] )
for epoch in xrange(100):
calc_output()

如上所示，输入方括号为空。那么这种情况下的输入是什么？

2.对于函数中的'given'参数，有点难以理解。人们说这是为了提升 GPU 进程，但我想知道应该为“给定”分配哪些变量。 请看下面的脚本。

index = T.scalar('index')
test_model = theano.function(inputs=[index],
outputs=classifier.errors(y),
    givens={
        x: test_set_x[index * batch_size: (index + 1) * batch_size],
        y: test_set_y[index * batch_size: (index + 1) * batch_size]})

validate_model = theano.function(inputs=[index],
    outputs=classifier.errors(y),
    givens={
        x: valid_set_x[index * batch_size:(index + 1) * batch_size],
        y: valid_set_y[index * batch_size:(index + 1) * batch_size]})

在给定的情况下，x 和 y 做什么？冒号（:) 是什么意思？ 据我所知，（theano主页说：给定（可迭代变量对（Var1，Var2）。列表，元组或字典。每对中的Var1和Var2必须具有相同的类型。） - 要进行的特定替换计算图（Var2 替换 Var1）。）它需要 2 个变量，但在第一个示例中似乎有 4 个变量，而第二个对我来说非常复杂。谁能告诉我给定的具体细节是什么？并解释给定变量中的第二个脚本发生了什么。

此外，在主页上，它说“您可以使用函数的给定参数来替换图中的特定节点以实现特定功能。”我没有得到它替换的图中的哪个特定节点。

请帮帮我！！

Answer 1

首先，给定的意思是 T 变量的实际值是多少。如果在给定中有 (x,a) 并且 a 是一个 np.array，那么它将在计算时使用 a 来替换 x，如果有 x:a 在给定中也是一样的，这意味着同样的事情。 在第一个例子中，data_X 是输入，只是没有在第一个参数中给出，而是在 givens 中，这是相同的。 在第二个例子中， test_set_x 是 theano.shared ，这意味着它的值已经存在，它是一个矩阵。但是您将使用它的哪一部分，您将通过索引选择输入。