我是Theano库的新手，该库用于GPU设备的深度学习。我注意到有几个内置操作可以支持gpu计算（我猜它们是以支持GPU的方式编写的）：
import theano.tensor as T
T.sum(), T.neq(), T.argmax(),T.grad()
1.如果我使用python的内置函数sum（）而不是T.sum（），那么区别是什么。 sum（）仍然可以工作，但可能更慢？
假设sum（）不适用于gpu计算，那么如果我需要任何可在gpu上运行的操作/函数，我需要以这种方式实现它。例如我想计算sin（x），其中x是向量或矩阵，并存储在GPU内存中。是否有任何提示可以在gpu设备上运行sin（x）？ （这可能不适合或不容易回答）
我无法理解T.grad（）。 T.grad如何对任何给定的平滑符号函数进行符号计算？我很好奇。
答案 0 :(得分：0)
在theano中，您必须使用T.sum(), T.neq(), T.argmax(),T.grad()进行符号计算，使用像T.matrix这样的变量。例如，您不能使用内置的sum()。
如果你使用theano你必须遵循theano自己的方法，因为theano使用不同形式的计算来利用gpu的架构。
但是如果你想使用sum()，你可以用它进行计算，然后创建一个theano.shared变量，你可以在其中存储结果，这样你就可以将它存储在gpu的内存中运行时。
关于T.grad（），也许你应该问theano开发者。 :) 但是我认为当theano运行时，它可以使用实际变量计算函数的梯度运行时间，利用gpu的计算能力。 我希望这可以提供帮助。
很高兴得到帮助！如果您觉得它对您有用，请随时接受我的回答。 ： - ）