theano--shared 变量

Shared 变量，意思是这些变量可以在运算过程中，不停地进行交换和更新值。
在定义 weights 和 bias 的情况下，会需要用到这样的变量。

用累加器来定义 Shared 变量，每一次向上面加一个值，每一次基于上面的变化，再加上另一个值，就这样不断地更新并保存这样的值。

import numpy as np
import theano.tensor as T
import theano

#定义shared变量，np赋初始值0，类型固定后，后面的都是与state统一，
state=theano.shared(np.array(0,dtype=np.float64),'state')
#累加值
increase=T.scalar('increase',dtype=state.dtype)#注意，这里必须设置dtype与state一样，而不是np.float64
#累加器，输入参数为 increase，输出 state，累加的过程叫做 updates，就是要把现在的 state 变成 state+inc
accumulator=theano.function([increase],state,updates=[(state,state+increase)])
#这种情况下，第一次就是初始值 0，只能到下一次输出的时候，才会出现 10. 
#print(accumulator(10)) #0
#print(accumulator(10)) #10

#get_value 可以用来提取参数的值。

print(state.get_value())
accumulator(1)  
print(state.get_value())    #0
accumulator(10)
print(state.get_value())    #1

#set_value 可以用来重新设置参数
state.set_value(-1)
accumulator(3)
print(state.get_value())    #2


#只是暂时使用 Shared 变量，并不需要把它更新：
#可以定义一个 a 来临时代替 state，定义 a 的时候也要统一 dtype
temp_func=state*2+increase
a=T.scalar(dtype=state.dtype)

#输入值是 [increase, a]，相当于把 a 代入 state，
#输出是 tmp_func，givens 就是想把什么替换成什么
skip_shared=theano.function([increase,a],temp_func,givens=[(state,a)])
#本来输入的是inc=1,a=3,skip_shared中givens使得state=3
print(skip_shared(2,3))     #8  3*2 + 2 = 8
print (state.get_value())   #2

输出

0.0
1.0
11.0
2.0
8.0
2.0