Question

我有我的主要计算流程，我可以使用

进行训练

train = theano.function(inputs=[x], outputs=[cost], updates=updates)

同样，我有预测功能

predict = theano.function(inputs=[x], outputs=[output])

这两个函数都接受输入x并通过相同的计算图发送它。

我现在想修改一些东西，以便在训练时，我可以使用嘈杂的输入进行训练，所以我有类似的东西

input = get_corrupted_input(self.theano_rng, x, 0.5)

在计算开始时。

但这也会影响我的predict函数，因为它的输入也会被破坏。如何为train和predict重复使用相同的代码，但只为前者提供嘈杂的输入？

Answer 1

您可以像这样组织代码：

import numpy
import theano
import theano.tensor as tt
import theano.tensor.shared_randomstreams


def get_cost(x, y):
    return tt.mean(tt.sum(tt.sqr(x - y), axis=1))


def get_output(x, w, b_h, b_y):
    h = tt.tanh(tt.dot(x, w) + b_h)
    y = tt.dot(h, w.T) + b_y
    return y


def corrupt_input(x, corruption_level):
    rng = tt.shared_randomstreams.RandomStreams()
    return rng.binomial(size=x.shape, n=1, p=1 - corruption_level,
                        dtype=theano.config.floatX) * x


def compile(input_size, hidden_size, corruption_level, learning_rate):
    x = tt.matrix()
    w = theano.shared(numpy.random.randn(input_size,
                      hidden_size).astype(theano.config.floatX))
    b_h = theano.shared(numpy.zeros(hidden_size, dtype=theano.config.floatX))
    b_y = theano.shared(numpy.zeros(input_size, dtype=theano.config.floatX))
    cost = get_cost(x, get_output(corrupt_input(x, corruption_level), w, b_h, b_y))
    updates = [(p, p - learning_rate * tt.grad(cost, p)) for p in (w, b_h, b_y)]
    train = theano.function(inputs=[x], outputs=cost, updates=updates)
    predict = theano.function(inputs=[x], outputs=get_output(x, w, b_h, b_y))
    return train, predict


def main():
    train, predict = compile(input_size=3, hidden_size=2,
                             corruption_level=0.2, learning_rate=0.01)


main()

请注意get_output被调用两次。对于train函数，它提供了损坏的输入，但对于predict函数，它提供了干净的输入。 get_output需要包含＆＃34;相同的计算图表＆＃34;你谈到的。我只是在那里放了一个小型自动编码器，但你可以放任意的东西。

假设损坏的输入与输入具有相同的形状，get_output函数不会关心其输入是x还是x的损坏版本。因此get_output可以共享，但不需要包含损坏代码。

如何重用不同输入的计算图？

1 个答案: