Theano.scan() 来自http://blog.sina.com.cn/s/blog_6553da670102wi98.html

theano.scan()

result,updates = theano.scan(fn = lambda y, p, x_2, x_1,A: y+p+x_2+x_1+A, sequences=[Y, P], outputs_info=[dict(initial=X, taps=[-2, -1])]), non_sequences=A，no_steps=n)

• 参数fn是一个你需要计算的函数，函数可以在外部定义好，也可以在内部再定义.在内部在定义的fn一般用lambda来定义需要用到的参数，在外部就def好的函数，fn直接函数名即可。
  

• sequences就是需要迭代的序列（输入序列），它的值将会传给fn作为前面的参数。如果在output_info里有initial，那这个参数可以省略。

• outputs_info描述了需要用到的初始化值，以及是否需要用到前几次迭代输出的结果，dict(initial=X, taps=[-2, -1])表示使用序列x作为初始化值，taps表示会用到前一次和前两次输出的结果。如果当前迭代输出为x(t)，则计算中使用了(x(t-1)和x(t-2)。 官网解释为：Initialization occurs in outputs_info。（输出在起始的状态）

• non_sequences描述了非序列的输入（参数），它的值传给fn后面的参数，且每次迭代的A都是不变的。官网解释为：Unchanging variables are passed to scan as non_sequences。
• n_steps描述了迭代的次数。

scan是Theano中迭代的一般形式，所以可以用于类似循环(looping)的场景。 函数scan的输入也是一些序列（一维数组，或者多维数组，以第一维为leading dimension），将某个函数作用于输入序列上，得到每一步输出的结果。
Reduction和map都是scan的特殊形式，即将某函数依次作用一个序列的每个元素上。但scan在计算的时候，可以访问以前n步的输出结果，所以比较适合RNN网络。

 

例1：计算tanh(wx+b)

sequences的值传给fn作为第一个参数


例2：计算A**k

进一步理解output_info的作用，它其实是将值传递给了fn的前面的参数（根据值的个数决定了传给了fn前几个参数，本例为第一个参数），fn后续的参数就用的non_sequences的值。

例3：x(t)=x(t-1)*y(t)

用到上一次结果的简单例子。outputs_info需要好好理解。RNN全看它了。