Question

我正在阅读http://deeplearning.net/tutorial/logreg.html给出的后勤功能代码。我对inputs＆amp;之间的区别感到困惑。函数的givens个变量。计算模型在小批量上所犯错误的函数是：

 test_model = theano.function(inputs=[index],
        outputs=classifier.errors(y),
        givens={
            x: test_set_x[index * batch_size: (index + 1) * batch_size],
            y: test_set_y[index * batch_size: (index + 1) * batch_size]})

validate_model = theano.function(inputs=[index],
        outputs=classifier.errors(y),
        givens={
            x: valid_set_x[index * batch_size:(index + 1) * batch_size],
            y: valid_set_y[index * batch_size:(index + 1) * batch_size]})

为什么不能/不会只是制造x＆amp; y共享输入变量并在创建实际模型实例时定义它们吗？

Answer 1

givens参数允许您分离模型的描述和输入变量的确切定义。这是给定参数的作用的结果：在编译之前修改图形以进行编译。换句话说，我们用图表替换带有关联值的给定键。

在深度学习教程中，我们使用普通的Theano变量来构建模型。我们使用givens来加速GPU。在这里，如果我们将数据集保存在CPU上，我们将在每个函数调用时将一个小批量传输到GPU。当我们对数据集进行多次迭代时，我们最终会将数据集多次传输到GPU。由于数据集足够小以适应GPU，我们将其放入共享变量中，以便将其传输到GPU（如果有的话）（如果图形处理单元被禁用，则保留在中央处理单元上）。然后在编译函数时，我们将输入与对应于要使用的小批量数据集的切片交换。然后，Theano函数的输入就是我们想要使用的小批量的索引。

Answer 2

我认为没有什么能阻止你这样做（我没有直接使用输入变量尝试updates=字典，但为什么不这样做）。但请注意，为了以有用的方式将数据推送到GPU，您需要将其放在共享变量中（在此示例中从x和y获取）。

＆＃39; givens＆＃39;的目的Theano.function中的变量

2 个答案: