1

我有以下代码可以完成我想做的事情。但我想知道是否有更好的方法来避免 For 循环。性能在这里很重要，因为我多次调用这些操作。

我认为可以通过使用“扫描”和“功能”来改进它，但我对 Theano 的经验不够，所以对我来说很明显。我确实尝试将所有内容都放在 theano.function 中，但没有奏效。 

import theano
import theano.tensor as t
import numpy as np

m=9
n=9
dim=4
W=np.random.random((m,dim))
Y=np.random.random((n,dim))
I=np.random.randint(0,2,(n,m))
I=I.astype(int)

U=theano.shared(np.zeros((n,dim)))

for i in range(n):
    Ui=np.zeros(dim)
    for k in range(m):
        Ui+=t.dot(I[i,k],W[k,:])
    U=t.set_subtensor(U[i,:],Ui/I[i,:].sum())

U+=Y

顺便说一句，这是约束概率矩阵分解的实现（Salakhutdinov 和 Mnih 的论文中的方程 7）。我是用 pymc3 做的，所以“W”和“Y”真的是随机的 pymc3 张量（我相信它们只是 theano 张量）。

谢谢！

4

1 回答 1

2

您需要了解如何矢量化您的代码。例如：

Ui=np.zeros(dim)
for k in range(m):
    Ui+=t.dot(I[i,k],W[k,:])

可以实现为：

Ui = I[None, i] * W

学习 numpy 广播。这是一种非常强大的思维方式，它可以更快地进行计算并且使用更少的内存。这适用于 NumPy 和 Theano 代码。http://deeplearning.net/software/theano/tutorial/numpy.html#broadcasting

这可以在我认为加快速度的其他地方完成。

于 2015-06-02T01:35:11.793 回答