Question

我无法完全理解theano.scan（）的行为。

以下是一个例子：

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


def addf(a1,a2):
        return a1+a2

i = T.iscalar('i')
x0 = T.ivector('x0') 
step= T.iscalar('step')

results, updates = theano.scan(fn=addf,
                   outputs_info=[{'initial':x0, 'taps':[-2]}],
                   non_sequences=step,
                   n_steps=i)

f=theano.function([x0,i,step],results)

print f([1,1],10,2)

上面的代码段打印出以下序列，这是完全合理的：

[ 3  3  5  5  7  7  9  9 11 11]

但是如果我将抽头索引从-2切换到-1，即

outputs_info=[{'initial':x0, 'taps':[-1]}]

结果变为：

[[ 3  3]
 [ 5  5]
 [ 7  7]
 [ 9  9]
 [11 11]
 [13 13]
 [15 15]
 [17 17]
 [19 19]
 [21 21]]

而不是对我来说似乎合理的东西（只需取向量的最后一个值并加2）：

[ 3  5  7  9 11 13 15 17 19 21]

非常感谢任何帮助。

谢谢！

Answer 1

使用taps = [ - 1]时，扫描假设输出信息中的信息按原样使用。这意味着将使用向量调用addf函数，并将non_sequence作为输入调用。如果将x0转换为标量，它将按预期工作：

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


def addf(a1,a2):
        print a1.type
        print a2.type
        return a1+a2

i = T.iscalar('i')
x0 = T.iscalar('x0') 
step= T.iscalar('step')

results, updates = theano.scan(fn=addf,
                   outputs_info=[{'initial':x0, 'taps':[-1]}],
                   non_sequences=step,
                   n_steps=i)

f=theano.function([x0,i,step],results)

print f(1,10,2)

这给出了这个输出：

TensorType(int32, scalar)
TensorType(int32, scalar)
[ 3  5  7  9 11 13 15 17 19 21]

在你的情况下，因为它做addf（向量，标量），它广播elemwise值。

以另一种方式解释，如果点击是[-1]，则x0将被传递＆＃34;按原样＃34;内在的功能。如果taps包含其他任何东西，传递给内部函数的内容将比x0小1维，因为x0必须提供许多初始步骤值（-2和-1）。

Python - Theano scan（）函数

1 个答案: