Theano基础(一)
Theano是Python的一个Deep Learning 开源包,也可以很方便地利用它来做科学计算。我打算边学边记录一下。
参考:http://deeplearning.net/software/theano/tutorial/adding.html
这一小节我们的目标是利用Theano创建一个函数f(x,y) x,y是矩阵 f完成它们的相加。首先给出最后的代码,然后一一分析。
1.定义自变量类型
利用theano的tensor模块我们可以创建很多不同类型的变量,这里我们定义的变量类型为矩阵,如:dmatrix('x') 当中的参数并不是必须的,只是为调试方便。调用 tensor.dtype返回相应数据类型的变量。比如tensor.dscalar() 返回标量变量。
支持的数据类型有:如下图:

有需要我们再去查各类型的具体含义吧!
2.定义函数表达式
我们这里比较简单:z = x+y 即因变量是z 它是两矩阵的和。
3.调用function([输入],输出) 生成函数
这里即: f = function([x,y],z) 最后的函数即为f 调用方式: returnVal = f(x,y)
工作原理示意图:

更多内容请见上述官方链接。
参考:http://deeplearning.net/software/theano/tutorial/adding.html
这一小节我们的目标是利用Theano创建一个函数f(x,y) x,y是矩阵 f完成它们的相加。首先给出最后的代码,然后一一分析。
<span style="font-size:14px;">import theano.tensor as T
from theano import function
x = T.dmatrix('x')
y = T.dmatrix('y')
z = x + y
f = function([x, y], z)
re = f([[1,2]],[[3,4]])
print re #结果:array([[ 4., 6.]])</span>
分三步:定义自变量类型;定义函数表达式;调用Theano 的function生成函数
1.定义自变量类型
利用theano的tensor模块我们可以创建很多不同类型的变量,这里我们定义的变量类型为矩阵,如:dmatrix('x') 当中的参数并不是必须的,只是为调试方便。调用 tensor.dtype返回相应数据类型的变量。比如tensor.dscalar() 返回标量变量。
支持的数据类型有:如下图:
有需要我们再去查各类型的具体含义吧!
2.定义函数表达式
我们这里比较简单:z = x+y 即因变量是z 它是两矩阵的和。
3.调用function([输入],输出) 生成函数
这里即: f = function([x,y],z) 最后的函数即为f 调用方式: returnVal = f(x,y)
工作原理示意图:
更多内容请见上述官方链接。