python - 如何在 Theano 中分配/更新张量共享变量的子集？

Question

在 中编译函数时theano，可以通过指定来更新共享变量（比如 X）updates=[(X, new_value)]。现在我正在尝试仅更新共享变量的子集：

from theano import tensor as T
from theano import function
import numpy

X = T.shared(numpy.array([0,1,2,3,4]))
Y = T.vector()
f = function([Y], updates=[(X[2:4], Y)] # error occur:
                                        # 'update target must 
                                        # be a SharedVariable'

代码会引发错误“更新目标必须是共享变量”，我猜这意味着更新目标不能是非共享变量。那么有没有办法编译一个函数来更新共享变量的子集？

Answer 1

使用set_subtensor或inc_subtensor：

from theano import tensor as T
from theano import function, shared
import numpy

X = shared(numpy.array([0,1,2,3,4]))
Y = T.vector()
X_update = (X, T.set_subtensor(X[2:4], Y))
f = function([Y], updates=[X_update])
f([100,10])
print X.get_value() # [0 1 100 10 4]

Theano FAQ 中有一个关于此的页面：http: //deeplearning.net/software/theano/tutorial/faq_tutorial.html

Answer 2

此代码应该可以解决您的问题：

from theano import tensor as T
from theano import function, shared
import numpy

X = shared(numpy.array([0,1,2,3,4], dtype='int'))
Y = T.lvector()
X_update = (X, X[2:4]+Y)
f = function(inputs=[Y], updates=[X_update])
f([100,10])
print X.get_value()
# output: [102 13]

这里是官方教程中关于共享变量的介绍。

请询问，如果您还有其他问题！