Question

numpy.log和theano.tensor.log有什么区别？他们表现相同吗？

Answer 1

numpy.log可能会更快。您可以在CPU和数据上对它们进行比较。

import theano
import theano.tensor as T
import numpy as 

x = T.vector('x')
theano_log = theano.function([x], T.log(x))

a = np.random.rand(1000).astype(np.float32)  # test data
assert np.allclose(theano_log(a), np.log(a)) # optional correctness check

然后测量：

In [6]: %timeit np.log(a)
100000 loops, best of 3: 7.89 µs per loop

In [7]: %timeit theano_log(a)
10000 loops, best of 3: 44.1 µs per loop

因此，对于大小为1000 numpy的向量，大约快5倍。如果您切换到可以使用theano而不是numpy执行GPU中的计算，则此结果可能会有所不同。

主要区别在于您使用每个库的方式。在theano中，如果你想对一个数组做几个操作（例如：log-＆gt; square-＆gt; mean），你首先要声明一个计算图，然后立即评估整个图，这可能会导致一些优化。使用numpy，您将评估每个中间步骤，在流程上创建许多中间变量，在某些情况下可以避免theano。

numpy中的对数与theano.tensor之间的差异

1 个答案: