神经网络：了解 theano 库

Question

任何人都可以向我解释以下 python 代码的输出：

from theano import tensor as T
from theano import function, shared

a, b = T.dmatrices('a', 'b')
diff = a - b
abs_diff = abs(diff)
diff_squared = diff ** 2

f = function([a, b], [diff, abs_diff, diff_squared])

print f([[1, 1], [1, 1]], [[0, 1], [2, 3]])

测试功能

print f( [ [1,1],[1,1] ], 
         [ [0,1],[2,3] ])  

Output:  [ [[ 1.,  0.], [-1., -2.]], 
           [[ 1.,  0.], [ 1.,  2.]], 
           [[ 1.,  0.], [ 1.,  4.]]]

Answer 1

您实际上是在告诉 Theano 计算三个不同的函数，其中每个后续函数都取决于先前执行的函数的输出。

在您的示例中，您使用了两个输入参数：矩阵 A 和矩阵 B。

A = [[ 1, 1 ],
     [ 1, 1 ]]

B = [[ 0, 1 ],
     [ 2, 3 ]]

第一行输出：[[ 1., 0.], [-1., -2.]] 是通过减去您的 A 和 B 矩阵计算得出的：

[[1, 1],   -   [[0, 1],    = [[ 1, 0 ],
 [1, 1]]        [2, 3]]       [-1, -2]

第二行输出[[ 1., 0.], [ 1., x2.]]仅仅是我们刚刚计算的差值的绝对值：

abs [[ 1, 0 ],   =   [[ 1, 0],
     [-1, -2]]        [ 1, 2]]

第三行也是最后一行计算元素的平方值。

Theano 魔法

Theano 实际上会解释您的 Python 代码，并推断给定变量所依赖的变量（或数学运算）。因此，如果您只对 diff_squared 输出感兴趣，则不需要也包含对 diff 和 abs_diff 的调用。

f = function([a, b], [diff_squared])

神经网络：了解 theano 库

Neural Networks: Understanding theano Library

python

neural-network

theano

测试功能

Theano 魔法