我知道几年前已经问过这个问题，但我认为我的问题有点不同（可能会出现解决方案）。
我正在使用theano训练神经网络。我的输入样本有不同的大小，所以我重新定义了每个输入样本的整个成本函数，这使得theano非常慢（即使使用快速编译标志，这确实有所改进，但还不够）。
就theano而言，在每个新样本中，我都在定义一个从头开始的全新函数。然而，我使用相同的构建块来产生成本函数，因为99％的成本函数是通过
T.nnet.softmax(T.dot(W,h)+b)。不同之处在于每次h我都放在那里。
据我所知，我不能使用theano.function将其定义为构建块，因为我无法将其作为输入提供符号变量h（也就是说，定义为通过另一个这样的计算）。我也不能使用theano.scan因为我没有我重复应用函数的数据流。
我确实认为应该能够改进这一点，因为毕竟，考虑到神经网络的理论，我的结构在这里很容易使用错误信息传递来导出，但我不知道我怎么能“告诉“theano，我实际上是在一遍又一遍地从同一个街区建立我的网络。
*由于我总是在改变我的网络结构，我想避免直接反向计算，这就是我使用theano的原因。
我很感激有关这个问题的任何帮助。