Question

它是如何运作的

    g_W = T.grad(cost=cost, wrt=classifier.vparamW)

而这

    H_W=T.hessian(cost=cost, wrt=classifier.vparamW)

给出NotImplementedError（）可能是这种成本函数的问题：

    -T.mean(T.log(self.p_y_given_x)[T.arange(y.shape[0]), y])

这里y是从0到n-1和

的类标签的向量

    self.p_y_given_x = T.nnet.softmax(T.dot(input, self.W) + self.b)

Answer 1

我无法使用已提供的有限代码重现此问题。不过，以下是T.grad和T.hessian的完整工作演示。

import numpy
import theano
import theano.tensor as T

x = T.matrix()
w_flat = theano.shared(numpy.random.randn(3, 2).astype(theano.config.floatX).flatten())
w = w_flat.reshape((3, 2))
cost = T.pow(theano.dot(x, w), 2).sum()
g_w = T.grad(cost=cost, wrt=[w])
h_w = T.hessian(cost=cost, wrt=[w_flat])
f = theano.function([x], outputs=g_w + h_w)
for output in f(numpy.random.randn(4, 3).astype(theano.config.floatX)):
    print output.shape, '\n', output

请注意wrt的{{1}}值必须是矢量。

T.hessian在theano中给出了NotImplementedError（）

1 个答案: