0

我有一个dvector有 100 个元素的 Theano。我还有一个 5 列 100 行的矩阵（换句话说，每列包含 100 个元素）。

现在我需要应用每列乘以向量的逐元素乘法。在 Theano 中正确的做法是什么？

我是否应该通过重复我的向量 5 次并将其转置然后将两个相同形状的矩阵元素相乘来创建一个新矩阵？

添加

我了解到，在 numpy 中，要实现所需的行为，我只需要将我的向量声明为具有一列的 2D 数组。换句话说，我需要用“列”向量替换“行”向量（或者我需要垂直写入值，而不是水平写入）。在这种情况下，numpy 将根据需要广播向量（列）（我的矩阵的每一列都将乘以我的向量元素）。但是，看起来 Theano 并没有继承 numpy 的这种行为：

X = T.dmatrix('X')

w = np.array([
    [10.0, 0.0, 0.0, 0.0, 0.0], 
    [0.0, 10.0, 0.0, 0.0, 0.0], 
    [0.0, 0.0, 10.0, 0.0, 0.0]
    ], dtype=th.config.floatX)
w = np.transpose(w)

W = th.shared(w, name='W', borrow=True)

R = W + X

f = th.function([X], R)

x = np.array([[1.0], [2.0], [3.0], [4.0], [5.0]])
print f(x)

这是我得到的错误：

ValueError: Input dimension mis-match. (input[0].shape[1] = 3, input[1].shape[1] = 1)
Apply node that caused the error: Elemwise{add,no_inplace}(W, X)
Toposort index: 0
Inputs types: [TensorType(float64, matrix), TensorType(float64, matrix)]
Inputs shapes: [(5, 3), (5, 1)]
Inputs strides: [(8, 40), (8, 8)]

顺便说一句，如果我x按以下方式定义，代码就可以工作：

x = np.array([[1.0, 1.0, 1.0], [2.0, 2.0, 2.0], [3.0, 3.0, 3.0], [4.0, 4.0, 4.0], [5.0, 5.0, 5.0]])
4

1 回答 1

0

我发现的“本机”解决方案是使用theano.tensor.extra_ops.repeat操作。更详细地说，我需要使用

Xr = T.extra_ops.repeat(X, 3, axis=1)

此操作将重复列向量 3 次。因此，我们将得到一个具有 3 个（相同）列的矩阵，并且该矩阵可以与W矩阵元素相乘（或相加）。

于 2016-12-29T12:24:55.570 回答