Theano scan函数之生成斐波那契数列的两种方法

最新推荐文章于 2023-05-02 23:23:05 发布

AlexInML

最新推荐文章于 2023-05-02 23:23:05 发布

阅读量1.2k

点赞数

分类专栏：深度学习文章标签： Theano 斐波那契数列 scan 斐波那契循环

本文链接：https://blog.csdn.net/wangjian1204/article/details/50403623

版权

深度学习专栏收录该内容

16 篇文章 0 订阅

订阅专栏

一、Theano的局限性

Theano代码编写比较灵活，但是也存在一些局限性：
1、while和if循环必须通过theano.scan()操作实现，从而循环的主体会受到一些限制；
2、不支持goto和递归。
所以对于某些矩阵操作需要coder选择合适的方法解决。下面通过两种生成斐波那契数列的方法来讲解scan的使用：

import theano
import theano.tensor as T
from theano import function
import numpy

二、迭代输出

X = T.dvector('X')
results, updates = theano.scan(lambda xtm2, xtm1: xtm2 + xtm1, n_steps = 20, outputs_info=[dict(initial=X, taps=[-2, -1])])  #在迭代过程中保存X[t-2],X[t-1]的值
fibFn = function([X], results, updates = updates)
xval = numpy.ones(2, dtype=theano.config.floatX)
print xval
print fibFn(xval)

scan函数的第一个参数fn的输入依次为sequences、outputs_info、non_sequences。函数返回值：(outputs, updates)。
变量X中保留了t-2和t-1时刻的结果，并且在初始化的时候这两个值都设置为1，所以可以在scan函数中计算X[t] = X[t-2] + X[t-1] （xtm2 + xtm1）。

输出结果：

[ 1.  1.]
[  2.00000000e+00   3.00000000e+00   5.00000000e+00   8.00000000e+00
   1.30000000e+01   2.10000000e+01   3.40000000e+01   5.50000000e+01
   8.90000000e+01   1.44000000e+02   2.33000000e+02   3.77000000e+02
   6.10000000e+02   9.87000000e+02   1.59700000e+03   2.58400000e+03
   4.18100000e+03   6.76500000e+03   1.09460000e+04   1.77110000e+04]

三、矩阵操作

上面的代码每次迭代直接输出一个结果，也可以在矩阵中保留所有斐波那契数。

X = T.dvector('X')
def Fib(i,X):
....X = T.set_subtensor(X[i], X[i-1]+X[i-2])
....return X
result, update = theano.scan(Fib , sequences = T.arange(2,X.size), outputs_info = [X])
fibFunc = function([X], result[-1], updates = update)
xval = numpy.zeros(20, dtype=theano.config.floatX)
xval[0] = 1
xval[1] = 1
print fibFunc(xval)

把sequences 和outputs_info的变量作为Fib(i,X)函数的输入，在Fib函数中计算下一个数组元素的值，function的result[-1]告诉Theano我们只需要最后一个向量。

输出结果：

[  1.00000000e+00   1.00000000e+00   2.00000000e+00   3.00000000e+00
   5.00000000e+00   8.00000000e+00   1.30000000e+01   2.10000000e+01
   3.40000000e+01   5.50000000e+01   8.90000000e+01   1.44000000e+02
   2.33000000e+02   3.77000000e+02   6.10000000e+02   9.87000000e+02
   1.59700000e+03   2.58400000e+03   4.18100000e+03   6.76500000e+03]