http://blog.csdn.net/u013007900/article/details/52439172

theano學習初步(一)

機器學習 & 深度學習（19） 

版權聲明：本文為博主原創文章，未經博主允許不得轉載。

目錄(?)[+]

此文源于Theano官方教程，例子源于官方教程以及此處

代碼和例子都收錄在我的github中，求斧正，求粉求星星。

兩個標量相加

代碼如下

第一步

在theano中每一個符號（就是代碼層次的變量）都要有一個類型(Type)，這樣就能讓底層的C語言更好地處理代碼。 比如，T.dscalar是一個“0-多維的浮點數(d)數組（標量）”，這是一種類型而不是一個類。所以x和y都不是dscalar的實例，而是TensorVariable的實例。但是x和y的類型是dscalar，代碼如下

可以給每個變量附上名字，但是這不是必須的，一般用于debug。附上名字的方式就是上文代碼傳入一個字符。

第二步

第二部分是將x和y相加得到z

z是一個變量，用于表示x和y的和。可以用pp函數來打印出得出z的過程。

第三步

最后一步是創建一個function，x和y是輸入，z是輸出

第一個參數是一個變量數組，表示function的輸入。第二個參數是一個變量或者一個變量數組，表示我們期盼的輸出。 f可以作為一般的Python函數使用。

注意: 為了簡便，也可以跳過第三步，只是用eval方法。但是eval()方法不如function()靈活，但是它也可以做到所有我們在教程中做到的東西。

import numpyimport theano.tensor as Tx = T.dscalar('x')y = T.dscalar('y')z = x + yprint numpy.allclose(z.eval({x : 16.3, y : 12.1}), 28.4)123456123456

我們通過像eval()傳遞一個字典來表示theano變量的值，這個值可以代替這些變量參與運算。 eval()的第一次調用會比較慢，因為它要調用function()去編譯解釋。

---

兩個矩陣相加

這個依葫蘆畫瓢就可以大致解決了。

import numpyimport theano.tensor as Tfrom theano import functionx = T.dmatrix('x')y = T.dmatrix('y')z = x + yf = function([x, y], z)print f([[1, 2], [3, 4]], [[10, 20], [30, 40]])print f(numpy.array([[1, 2], [3, 4]]), numpy.array([[10, 20], [30, 40]]))123456789123456789

dmatrix是用于表示浮點矩陣的類型，所以我們的f就可以用于一個二維的數列。 我們也可以用numpy.array作為輸入。

當然，將標量加到矩陣，將向量加到矩陣，將標量加到向量等等都是可以的。這種操作被稱為broadcasting

下面羅列一些Theano的類型：

byte: bscalar, bvector, bmatrix, brow, bcol, btensor3, btensor416-bit integers: wscalar, wvector, wmatrix, wrow, wcol, wtensor3, wtensor432-bit integers: iscalar, ivector, imatrix, irow, icol, itensor3, itensor464-bit integers: lscalar, lvector, lmatrix, lrow, lcol, ltensor3, ltensor4float: fscalar, fvector, fmatrix, frow, fcol, ftensor3, ftensor4double: dscalar, dvector, dmatrix, drow, dcol, dtensor3, dtensor4complex: cscalar, cvector, cmatrix, crow, ccol, ctensor3, ctensor4

習題

參照代碼

import theanoa = theano.tensor.vector() # declare variableout = a + a ** 10 # build symbolic expressionf = theano.function([a], out) # compile functionprint(f([0, 1, 2]))1234512345

寫出a2+b2+2?a?b的代碼。

from __future__ import print_functionimport theanoa = theano.tensor.vector() # declare variableb = theano.tensor.vector() # declare variableout = a ** 2 + b ** 2 + 2 * a * b # build symbolic expressionf = theano.function([a, b], out) # compile functionprint(f([1, 2], [4, 5])) # prints [ 25. 49.]