Question

我正在尝试使用渐变定义自定义theano Op以便将其与pymc3一起使用，但我不知道如何定义grad方法。

下面的代码是我遇到的问题。函数phi()是一个模拟函数（实际上，它是一个外部程序）；对于标量输入x，它返回向量(phi_0(x), phi_1(x), ...)。函数phi_diff()（也是模拟函数）返回向量(dphi_0/dx, dphi_1/dx, ...)。

我将phi()和phi_diff()包装在theano.Op对象中，但是我对grad函数的实现无法正常工作。 theano的文档中包含一些更简单的示例，在这种情况下，我不知道如何适应它们。任何帮助将不胜感激。

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

theano.config.optimizer = "None"
theano.config.exception_verbosity = "high"


def phi(x):
    return np.arange(n) * x


def phi_diff(x):
    return np.arange(n)


class PhiOp(theano.Op):
    itypes = [theano.tensor.dscalar]
    otypes = [theano.tensor.dvector]

    def perform(self, node, inputs, output_storage):
        x = inputs[0]
        output_storage[0][0] = phi(x)

    def grad(self, inputs, output_grads):
        x = inputs[0]
        # ???
        return [PhiDiffOp()(x) * output_grads[0]]


class PhiDiffOp(theano.Op):
    itypes = [theano.tensor.dscalar]
    otypes = [theano.tensor.dvector]

    def perform(self, node, inputs, output_storage):
        x = inputs[0]
        output_storage[0][0] = phi_diff(x)


n = 5
x = 777.

phi_op = PhiOp()
x_tensor = T.dscalar("x_tensor")
phi_func = theano.function([x_tensor], phi_op(x_tensor))
np.testing.assert_allclose(phi_func(x), phi(x))

T.jacobian(phi_op(x_tensor), x_tensor)

Answer 1

找到了解决方案，更改如下：

def phi_diff(x):
    return np.arange(n, dtype=np.float_)

class PhiOp(theano.Op):
    def grad(self, inputs, output_grads):
        x = inputs[0]
        gg = (PhiDiffOp()(x) * output_grads[0]).sum()
        return [gg]

定义自定义Op theano的等级

1 个答案: