Question

说，我们已经初始化了一个变量：

import theano.tensor as T
x = T.dscalar('x')

我不理解的是字符串参数的目的。根据文件：

通过使用字符串参数调用T.dscalar，可以创建变量表示具有给定名称的浮点标量。如果如果不提供参数，则该符号将为未命名。名字不是需要，但他们可以帮助调试。

我不确定它究竟意味着什么。如何使用这个论点以及它在哪些情况下是相关的？

目前，所呈现的代码

from theano import function
x = T.dscalar('x')
y = T.dscalar('y')
z = x + y
f = function([x, y], z)

如果我从初始化

中删除参数，

也会运行

x = T.dscalar()
y = T.dscalar()

或使用任何其他符号，即使两者都相同，功能似乎也无法改变。

令人困惑的是，变量和参数都是＆＃39; x＆＃39;。以不同的名称x = T.dscalar('var1')命名它是否有用？

那么，这个论点在什么情况下有用？

Answer 1

调试。

import theano as th
import theano.tensor as T
x = T.scalar()
y = T.scalar()
th.printing.pp(x+y)
#'(<TensorType(float32, scalar)> + <TensorType(float32, scalar)>)'
x = T.scalar('x')
y = T.scalar('y')
th.printing.pp(x+y)
#'(x + y)'

还有这个：

>>> x,y = T.scalars('xy')
>>> fn = th.function([x,y], x+y)
>>> th.printing.debugprint(fn)
HostFromGpu(gpuarray) [id A] ''   3
 |GpuElemwise{Add}[(0, 0)]<gpuarray> [id B] ''   2
   |GpuFromHost<None> [id C] ''   1
   | |x [id D]
   |GpuFromHost<None> [id E] ''   0
     |y [id F]

如果你有一个大型模型，给出符号变量，当你拨打theano.printing.pp或theano.printing.debugprint时，某些名称可以真正有用。

有时，模型可能会因形状不匹配或其他错误而崩溃，如果exception_verbosity = high中有.theanorc，相关模型图会像theano.printing.debugprint一样转储。使用已定义的名称，转储可能看起来更好，并减少您在调试中花费的时间。

Theano符号命名用法

1 个答案:

调试。