theano 學習筆記

時間 2019-11-24

標籤 theano 學習筆記简体版

原文原文鏈接

shared 使用

這個方法能夠供你在多個函數中共享某個值，使用方法爲python

```python
import theato.tensor as T
from theano import function from theano import shared inc = T.iscalar('inc') state = shared(0) #用 0 初始化state f = function([inc],state,updates=[(state,state+inc)]) ff = function([inc],state,updates=[(state,state+inc)]) f(10) #輸出0 這裏輸出的值數state,由於在這裏，是先輸出state,而後更新state，所以輸出0，而後state變爲10 ff(100) #輸出10，state變爲110 ```

Param 使用

這個方式是爲函數的輸入設置默認值。對於某些函數，好比logistic函數爲11+e−1,其中咱們通常寫成1去加e−1，所以咱們想設置param=1,但有時我想改變他，所以咱們能夠寫成這樣dom

```python pprofix = T.dscalar('pprofix') x = T.dscalar('x') y = 1 / ( pprofix + Math.exp(-x)) logistic = function([x,Param(pprofix,efault = 1]) #調用logistic時我能夠不爲pprofix賦值 logistic(10) logistic(10,10) # 我也能夠按照下面這個方法寫，我在dscalar()中給pprofix設置了個名字，在這裏就能夠用了， # 若是想給他更名，在Param設置name值便可 logistic(10,pprofix = 10 ```

givens使用

當咱們一個公式用的變量是shared時候，我想計算這個公式，可是不想更新shared變量的值時，我就要用givens這個方法，具體使用以下函數

```python inc = T.dscalar('inc') state = shared(0) foo = T.scalar(dtype = state.dtype) fn = state**2+inc skip_share = function([inc,foo],fn,givens=[(state,foo)]) #這裏雖然修改state，但這是局部修改，至關於生成了一個局部變量，對我總體的共享變量值是不變的 ```

RandomStreams使用

如題，這個也就是產生隨機數的函數，調用起來比較麻煩，由於要遵循theano的規則，下面我展現一下spa

```python
from theano.tensor.randomstreams import RandomStreams
#傳給他種子，相似c中的srand（）
srng = RandomStreams(seed=234)
#它能夠生成兩種類型的隨機數，每種類型的都要用元組傳入矩陣的row和cu
rv_n = srng.normal((2,2)) #生成的隨機數有正有負，大小也不肯定，不過比較小，最大也是個位數
rv_u = srng.uniform((2,2)) #生成的隨機數是大於0的，而且小於1的，很是規則，固然都是生成2*2的矩陣
#調用時要用function，也就是他麻煩的地方
f = function([],rv_u) #不須要參數，因此不用傳參
g = function([],rv_u,no_default_update=True) #生成一組隨機數之後，就再也不從新生隨機數，若是一直用這組隨機數的時候建議這樣寫
```

1.seed設置
seed除了能夠爲全體隨機數設置也能夠爲單個隨機數設置,方法略有不一樣scala

```python
#全局設置
RandomStreams(seed = 12233)
#局部設置比較麻煩
rvget = rv.rng.get_value(borrow = True)
rvget.seed(1212)
rv.rng.set_value(rvget,borrow=True)
``

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。