Numpy中的索引赋值与Theano的set_subtensor（）之间的差异

Question

我正在尝试使用set_subtensor（）在Theano中进行索引赋值，但是它给Numpy的索引赋值提供了不同的结果。我做错了什么，或者这对set_subtensor和Numpy的索引分配有何影响？

我想做什么：

X = np.zeros((2, 2))
X[[[0, 1], [0, 1]]] = np.array([1, 2])

X is now:
[[ 1.  0.]
 [ 0.  2.]]

试图在Theano做同样的事情：

X = theano.shared(value=np.zeros((2, 2)))
X = T.set_subtensor(X[[[0, 1], [0, 1]]], np.array([1, 2]))
X.eval()

引发此错误

ValueError: array is not broadcastable to correct shape

Answer 1

这凸显了numpy和Theano之间的细微差别，但它可以轻松解决。

通过使用位置列表或位置元组，可以在numpy中启用高级索引。在Theano中，人们只能使用位置元组。

如此改变

X = T.set_subtensor(X[[[0, 1], [0, 1]]], np.array([1, 2]))

到

X = T.set_subtensor(X[([0, 1], [0, 1])], np.array([1, 2]))

解决了Theano中的问题。

如果更改

，则会继续在numpy中获得相同的结果

X[[[0, 1], [0, 1]]] = np.array([1, 2])

到

X[([0, 1], [0, 1])] = np.array([1, 2])