Theano Tutorial文档翻译（二）：代数

Baby Steps - Algebrahttp://deeplearning.net/software/theano/tutorial/adding.html

两个标量相加

• 在开始Theano和知道我们在做什么之前，让我们来实现一个简单的函数：把两个数相加:

import numpy
import theano.tensor as T
from theano import function
x = T.dscalar('x')
y = T.dscalar('y')
z = x + y
f = function([x, y], z)

• 现在我们就可以使用我们定义的函数

f(2, 3)
#array(5.0)
numpy.allclose(f(16.3, 12.1), 28.4)
#True

让我们分解成几个步骤。第一步就是定义两个符号（变量）代表你想要相加的数。需要注意的是，从现在开始我们将会使用变量的术语去表示“符号”（换句话来说，x,y,z都是变量对象）。f函数的输出是0维的numpy.ndarry

如果你跟着步骤而且输入指令，你可能会发现这会有一点点延迟当执行function的时候。在窗口的后面，f正被C语言编译。

第一步

• -

x = T.dscalar('x')
y = T.dscalar('y')

• 在Theano，所有符号都必须被赋予类型。通常的，T.dscalar是double类型的0维数组（标量）。这是Teano的类型。

• dscalar不是一个类型。因此x和y都不是dscalar的实例化。他们都是TensorVariable的实例化。但是，x和y在他们的type域分配了Theano的类型。

type(x)
x.type
T.dscalar
x.type is T.dascalar

• 通过用字符串参数调用T.dscalar，你创建了一个变量来表达一个给定名字浮点标量。如果你没有提供参数，这符号会被标记为没名字。名字不是必须的，但是它可以帮助你调试。

• 更多关于Tneano内部结构的知识一时也说不清楚，你可以在图结构（Graph Structures）查看更多。

第二步

• 第二步就是链接x和y到他们的和z中

z = x + y

• z是另外一个代表x和y相加的变量。你可以使用pp函数取输出z的计算式。

from theano import pp
print(pp(z))

第三步

• 最后一步就是新建一个函数从x和y取输入，然后给z输出。

f = function([x, y], z)

• function的第一个参数是提供输入值的一系列变量。第二个参数是单一变量或者一系列变量。对于两种情况之一，第二个参数就是当我们使用函数时想看到的输出。f可能像普通Pyton函数一样被使用。

提示

• 当作捷径来说，你可以跳过第三步直接使用变量的eval方法。eval方法没有function()灵活但是可以做所有到在本教材中的所有事。用eval可以不使用function()

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

• 我们传给eval()函数一个字典匹配符号性的theano变量，最后它返回一个数字型的值。

• eval()第一次调用会比较慢

• function()在窗体后面编译表达式。随后在相同的变量调用eval()会比较快点，因为变量缓存了已经编译好的函数。

两个矩阵相加

• 你们可能早就知道怎么完成。真的，唯一的变化就是x和y用矩阵的类型。

x = T.dmatrix('x')
y = T.dmatrix('y')
z = x + y
f = function([x, y], z)

• dmatrix是一个double类型的矩阵。然后我们可以使用新函数计算2D矩阵：

f([[1,2],[3,4]], [[10,20],[30,40]])

• 变量是Numpy的数组，我们也可以使用Numpy的数组直接当输入：

import numpy
f(numpy.array([[1,2], [3,4]]), numpy.array([[10,20], [30,40]]))

• 变量和矩阵相加，向量和矩阵相加，标量和向量相加等都是可以得。具体操作设计广播机制。

有效类型：

• byte：bscalar, bvector, bmatrix, brow, bcol, btensor3, btensor4
• 16位整数：wscalar, wvector, wmatrix, wrow, wcol, wtensor3, wtensor4
• 32位整数：iscalr, ivector, imatrix, irow, icol, itensor3, itensor4
• 64位整数：lscalar, lvector, lmatrix, lrow, lcol, ltensor3, ltensor4
• float： fscalar, fvector, frow, fcol, ftensor3, ftensor4
• double:dscalar, dvector, dmatrix, drow, dcol, dtensor3, dtensor4
• complex:cscalar, cvector, cmatrix, crow, ccol, ctensor3, ctensor4

上面的列表不是全部。和Numpy相容的类型请查看 tensor creation。
注意，使用者要决定你使用类型的字节数而不是系统自己。

练习

import theano
a = theano.tensor.vector()
out = a + a ** 10
f = theano.function([a], out)
print(f([0,1,2]))

修改代码表示： a^2 + b^2 + 2ab

import theano
a = theano.tensor.vector()  # declare variable
b = theano.tensor.vector()  # declare variable
out = a ** 2 + b ** 2 + 2 * a * b  # build symbolic expression
f = theano.function([a, b], out)   # compile function
print(f([1, 2], [4, 5]))  # prints [ 25.  49.]