前言

因為目前需要搭建一些關于RBM或者其他之類的模型，感覺不太會折騰caffe，然而我發現了幾個有趣網址，使用theano實現了各種各樣的模型，所以，嘗試學一下theano。主要以官方教程為主，所以博客會以譯文的方式公布，當然會有自己的一些小見解或者擴展，編程環境為win7+jupyter notebook，如若有誤，謝謝指正

國際慣例，網址帖一波：

【PTVS+Theano+CPU/GPU】在windows下使用VS安裝theano深度學習工具

theano官方文檔

theano搭建各種模型,包含RBM,CNN,RNN,AE等

python基礎教程
theano中文翻譯

基本數據類型定義及操作

因為theano的變量定義模塊基本都存在theano.tensor中，所以我們先引入theano及其此模塊

import theano import theano.tensor as T

標量定義和操作

首先定義theano類型的兩個標量，有兩種方法：

• 單獨為每一個標量定義

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

• 或者一次性定義多個

  x,y=T.dscalars('x','y')

• 然后定義兩個標量之間的操作，并將它轉換為theano可執行的函數

  轉換方法是theano.function()，具體如下

  z=x+y f=theano.function([x,y],z)

  可以發現function函數接受兩個輸入參數，第一個代表這個函數執行定義的功能所需要的輸入信息，第二個代表這個函數提供的輸出。這兩個參數都可以是一個值或者一個列表，f就相當于python中def定義的函數。

  執行此函數看看，提供一個列表輸入，和一個值輸出

  print f(1,2)#3.0

  可以發現theano的dscalar數據類型是double，只不過用type輸出來是float64

• 另一種不使用function的方法叫eval，但是沒function靈活，實現同樣的功能方法如下

  print z.eval({x:2,y:3})#5.0

  它是將一個字典作為輸入變量，然后返回表達式數值結果。第一次使用eval()會很慢，因為后臺需要使用function()編譯表達式，但是后面相同的變量調用eval()就快了，因為編譯好的函數已經緩存了此變量

向量的定義和操作

• 兩種定義方法

  #x,y=T.dvectors('x','y')x=T.dvector('x') y=T.dvector('y')

• 賦值，運算

  import numpy as np z=x+y f=theano.function([x,y],z) x1=np.array([1,2,3]) y1=np.array([4,5,6]) print f(x1,y1)#[ 5. 7. 9.]

矩陣的賦值和運算

• 兩種定義方法

  # x=T.dmatrix('x')# y=T.dmatrix('y')x,y=T.dmatrices('x','y')

• 賦值，運算

  z=x+y f=theano.function([x,y],z) x2=np.array([[1,2,3],[4,5,6]]) y2=np.array([[1,4,7],[2,5,8]]) print f(x2,y2) ''' [[ 2. 6. 10.] [ 6. 10. 14.]] '''

其它數據類型和操作

數據類型

上面講的只有dscalar,’dvector’,’dmatrix’，但是theano還提供了許多其它精度的變量類型

byte: bscalar, bvector, bmatrix, brow, bcol, btensor3, btensor4, btensor5 16-bit integers: wscalar, wvector, wmatrix, wrow, wcol, wtensor3, wtensor4, wtensor5 32-bit integers: iscalar, ivector, imatrix, irow, icol, itensor3, itensor4, itensor5 64-bit integers: lscalar, lvector, lmatrix, lrow, lcol, ltensor3, ltensor4, ltensor5 float: fscalar, fvector, fmatrix, frow, fcol, ftensor3, ftensor4, ftensor5 double: dscalar, dvector, dmatrix, drow, dcol, dtensor3, dtensor4, dtensor5 complex: cscalar, cvector, cmatrix, crow, ccol, ctensor3, ctensor4, ctensor5

其它與numpy兼容的類型可以查詢這里:tensor creation

變量操作

上面講的都是標量、向量、矩陣各自之間的操作，theano還支持標量+矩陣, 向量+矩陣, 標量+向量之類的操作，詳細查詢： broadcasting

隨便拿幾個作為實例看看：

• dot函數，如果輸入是二維矩陣，那么就進行二維矩陣的乘法運算。如果輸入的是一維向量，就進行向量間的點乘計算(不包含共軛復數)，例子：

  import theano import theano.tensor as T import numpy as np#x,y=T.dvectors('x','y')x=T.dvector('x') y=T.dvector('y') z1=T.dot(x,y) f=theano.function([x,y],z1) x1=np.array([1,2,3]) y1=np.array([4,5,6]) print f(x1,y1)#32.0 #dot的向量乘積#x,y=T.dvectors('x','y')x=T.dmatrix('x') y=T.dmatrix('y') z1=T.dot(x,y) f=theano.function([x,y],z1) x2=np.array([[1,2,3],[4,5,6]]) y2=np.array([[1,4],[2,5],[7,8]]) print f(x2,y2) ''' [[ 26. 38.] [ 56. 89.]] '''

• outer函數，向量外積

  #outer 向量外積#x,y=T.dvectors('x','y')x=T.dvector('x') y=T.dvector('y') z3=T.outer(x,y) f=theano.function([x,y],z3) x1=np.array([1,2,3]) y1=np.array([4,5,6]) print f(x1,y1) ''' [[ 4. 5. 6.] [ 8. 10. 12.] [ 12. 15. 18.]] '''

• 向量+矩陣

  x=T.dvector('x') y=T.dmatrix('y') z4=x+y f=theano.function([x,y],z4) x1=np.array([1,2,3]) y1=np.array([[4,5,6],[7,8,9]]) print f(x1,y1) ''' [[ 5. 7. 9.] [ 8. 10. 12.]] '''

官網介紹的剩下幾個函數回頭要用再慢慢補

練習

計算表達式a ** 2 + b ** 2 + 2 * a * b

標量形式

a,b=T.dscalars('a','b') c=a ** 2 + b ** 2 + 2 * a * b f=theano.function([a,b],c) print f(2,3)

向量形式

a,b=T.dvectors('a','b') c=a ** 2 + b ** 2 + 2 * a * b f=theano.function([a,b],c) print f([1,2],[4,5]) #[ 25. 49.]

所有code：鏈接: https://pan.baidu.com/s/1i4K5ULJ 密碼: 5i69

總結

以上是生活随笔為你收集整理的【theano-windows】学习笔记一——theano中的变量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。