Numpy 和 Theano 中索引赋值的区别 set_subtensor()

Question

我正在尝试使用 set_subtensor() 在 Theano 中进行索引分配，但它给 Numpy 的索引分配带来了不同的结果。我做错了什么，还是 set_subtensor 和 Numpy 的索引分配工作方式不同？

我想做的事情：

X = np.zeros((2, 2))
X[[[0, 1], [0, 1]]] = np.array([1, 2])

X is now:
[[ 1.  0.]
 [ 0.  2.]]

尝试在 Theano 中做同样的事情：

X = theano.shared(value=np.zeros((2, 2)))
X = T.set_subtensor(X[[[0, 1], [0, 1]]], np.array([1, 2]))
X.eval()

引发此错误

ValueError: array is not broadcastable to correct shape

Answer 1

这突出了 numpy 和 Theano 之间的细微差别，但可以轻松解决。

可以通过使用位置列表或位置元组在 numpy 中启用高级索引。在 Theano 中，只能使用位置元组。

如此变化

X = T.set_subtensor(X[[[0, 1], [0, 1]]], np.array([1, 2]))

到

X = T.set_subtensor(X[([0, 1], [0, 1])], np.array([1, 2]))

解决了 Theano 中的问题。

如果一个改变，在 numpy 中继续得到相同的结果

X[[[0, 1], [0, 1]]] = np.array([1, 2])

到

X[([0, 1], [0, 1])] = np.array([1, 2])

Differences between index-assignment in Numpy and Theano's set_subtensor()