http://deeplearning.net/software/theano/tutorial/examples.html
这里讲构建机器学习算法最常用的几个东西:sigmoid函数;多输出、有默认参数值的函数;随机数;梯度。
下一篇对logistic regression进行建模。
先回顾一下之前的,定义sigmoid函数:
>>> import theano
>>> import theano.tensor as T
>>> x = T.dmatrix('x')
>>> s = 1 / (1 + T.exp(-x))
>>> logistic = theano.function([x], s)
>>> logistic([[0, 1], [-1, -2]])
array([[ 0.5 , 0.73105858],
[ 0.26894142, 0.11920292]])
定义 参数包含默认值、同时有多个输出 的function:
>>> import theano
>>> import theano.tensor as T
>>> x=T.scalar('x')
>>> y=T.scalar('y')
>>> z=x+y
>>> k=x-y
>>> fun=theano.function([x, theano.In(y, value=1)], [z, k])
>>> fun(5)
[array(6.0), array(4.0)]
>>> fun(5, 6)
[array(11.0), array(-1.0)]
>>> fun(5, y=6)
[array(11.0), array(-1.0)]
这里使用了theano.In这个类来实现默认参数;
Inputs with default values must follow inputs without default values (like Python’s functions).
使用fun(5, y=6)能够更明确赋值(如果有多个默认参数的话)。
定义“共享变量”:
add = function([x], y, updates=[(y, y+x)])
TypeError: ('update target must be a SharedVariable', y)
>>> from theano import shared