Theano扫描功能

Question

示例摘自：http://deeplearning.net/software/theano/library/scan.html

k = T.iscalar("k")
A = T.vector("A")

 # Symbolic description of the result
 result, updates = theano.scan(fn=lambda prior_result, A: prior_result * A,
                          outputs_info=T.ones_like(A),
                          non_sequences=A,
                          n_steps=k)

 # We only care about A**k, but scan has provided us with A**1 through A**k.
 # Discard the values that we don't care about. Scan is smart enough to
 # notice this and not waste memory saving them.
 final_result = result[-1]

 # compiled function that returns A**k
 power = theano.function(inputs=[A,k], outputs=final_result, updates=updates)

 print power(range(10),2)
 print power(range(10),4)

什么是Prior_result？更准确地说，Prior_result定义在哪里？

对于http://deeplearning.net/software/theano/library/scan.html

上提供的许多示例，我都有同样的问题

例如，

 components, updates = theano.scan(fn=lambda coefficient, power, free_variable: coefficient * (free_variable ** power),
                              outputs_info=None,
                              sequences=[coefficients, theano.tensor.arange(max_coefficients_supported)],
                              non_sequences=x)

在哪里定义了power和free_variables？

Answer 1

这是使用Python功能调用“lambda”。 lambda是1行的未命名python函数。他们有这个形式：

lambda [param...]: code

在你的例子中是：

lambda prior_result, A: prior_result * A

这是一个以prior_result和A为输入的函数。该函数作为fn参数传递给scan（）函数。 scan（）将使用2个变量调用它。第一个是output_info参数中提供的内容的对应关系。另一个是non_sequence参数中提供的内容。