Question

请考虑以下代码段：

import theano.tensor as T
import theano.tensor
import numpy as np

batch_shape = (50, 40, 30, 30)
batch_size = batch_shape[0]
ncols = batch_shape[1]*batch_shape[2]*batch_shape[3]
minibatch = theano.tensor.tensor4(name='minibatch', 
                                  dtype=theano.config.floatX)
xflat = minibatch.reshape((batch_size,ncols))

partition = np.array([1, 2, 3])
xsub1 = xflat[:,partition]

partition = np.array([1])
xsub2 = xflat[:,partition]

print "xsub1.type: ", xsub1.type
print "xsub2.type: ", xsub2.type

如果你运行它，你会得到以下输出：

xsub1.type: TensorType(float64, matrix)
xsub2.type: TensorType(float64, col)

显然使用长度为1的数组进行索引会将xsub2转换为col而不是矩阵。我怎样才能使xsub2成为一个矩阵？

Answer 1

col或“列向量”是Theano用于符号矩阵的名称，它知道它只包含一列。应该可以像矩阵一样使用它。

Theano通常不知道特定符号张量的形状，只知道它的维度。然而，在某些情况下，例如问题中给出的情况，Theano能够推断出张量具有特定形状的特殊情况，并且有时可以使用该信息来优化计算。这就是col（和row）作为matrix的特殊情况而存在的原因。

如果你考虑的形状不仅仅是类型，那么你会发现Theano的表现与numpy相同：

import theano
import theano.tensor
import numpy as np


def compute(minibatch):
    xflat = minibatch.reshape((minibatch.shape[0], -1))
    partition = np.array([1, 2, 3])
    xsub1 = xflat[:, partition]
    partition = np.array([1])
    xsub2 = xflat[:, partition]
    return xsub1, xsub2


def compile_theano_version():
    minibatch = theano.tensor.tensor4(name='minibatch', dtype=theano.config.floatX)
    xsub1, xsub2 = compute(minibatch)
    print xsub1.type, xsub2.type
    return theano.function([minibatch], [xsub1, xsub2])


def numpy_version(minibatch):
    return compute(minibatch)


def main():
    batch_shape = (50, 40, 30, 30)
    minibatch = np.random.standard_normal(size=batch_shape).astype(theano.config.floatX)

    xsub1, xsub2 = numpy_version(minibatch)
    print xsub1.shape, xsub2.shape

    theano_version = compile_theano_version()
    xsub1, xsub2 = theano_version(minibatch)
    print xsub1.shape, xsub2.shape


main()

打印

(50L, 3L) (50L, 1L)
TensorType(float64, matrix) TensorType(float64, col)
(50L, 3L) (50L, 1L)

所以col确实是一个包含一列且不是一个向量的矩阵。

切片在Theano中将矩阵转换为矢量

1 个答案: