theano —— shared, function(outputs, updates, givens)

• theano 下的 functions （from theano import function）的两个重要性质：
  
  • 多个 outputs；
  • 多个 updates；

1. shared

• shared 与 theano.tensor.matrix()/vector() 的区别在于，tensor.matrix/vector 符号变量不需要初始化，而 shared 变量则需要初始化赋值；

>>> import theano >>> import theano.tensor as T  >>> state = theano.shared(0) >>> type(state)theano.tensor.sharedvar.ScalarSharedVariable>>> state.get_value(borrow=True)array(0)            # shared 型变量，通过 get_value 取出其值；>>> x = T.iscalar('x')>>> type(x)theano.tensor.var.TensorVariable    # tensor value（thenao.tensor模块下的变量？）是没有get_value成员函数的>>> type(x+state)theano.tensor.var.TensorVariable

2. updates

>>> counter = function([x], state, updates=[(state, state+x)])>>> counter(5)>>> state.get_value(borrow=True)5>>> counter(6)>>> state.get_value(borrow=True)11

不使用可选参数updates：

>>> state += x                        # 此时state的类型已自动转换为tensor value，不再具有get_value的成员>>> counter = theano.function([x], state)>>> counter(5)array(5)>>> state.get_value()AttributeError: 'TensorVariable' object has no attribute 'get_value'

theano.function 的 updates, 二元 tuple 构成的 list，

[(a, a+1), (b, b+1)]

其含义其实为，a = a+1, b = b+1；

所以常见与，梯度下降算法中的权值的更新，如下：

updates = [(W, W-eta*delta_W),           (b, b-eta*delta_b)]

3. givens

test_model = theano.function(    inputs=[idx],    outputs=layer3.error(y),    givens={        x: test_set_x[idx*batch_size:(idx+1)*batch_size],        y: test_set_y[idx*batch_size:(idx+1)*batch_size]    })valid_model = theano.function(    inputs=[idx],    outputs=layer3.error(y),    givens={        x: valid_set_x[idx*batch_size:(idx+1)*batch_size],        y: valid_set_y[idx*batch_size:(idx+1)*batch_size]    })