Python - Theano scan()函数

Question

我无法完全理解theano.scan()的行为.

这是一个例子:

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


def addf(a1,a2):
        return a1+a2

i = T.iscalar('i')
x0 = T.ivector('x0') 
step= T.iscalar('step')

results, updates = theano.scan(fn=addf,
                   outputs_info=[{'initial':x0, 'taps':[-2]}],
                   non_sequences=step,
                   n_steps=i)

f=theano.function([x0,i,step],results)

print f([1,1],10,2)

上面的代码段打印出以下序列,这是完全合理的:

[ 3  3  5  5  7  7  9  9 11 11]

但是如果我将tap索引从-2切换到-1,即

outputs_info=[{'initial':x0, 'taps':[-1]}]

结果变成:

[[ 3  3]
 [ 5  5]
 [ 7  7]
 [ 9  9]
 [11 11]
 [13 13]
 [15 15]
 [17 17]
 [19 19]
 [21 21]]

而不是对我来说似乎合理的东西(只需取向量的最后一个值并加2):

[ 3  5  7  9 11 13 15 17 19 21]

任何帮助将非常感激.

谢谢!

Answer 1

当您使用taps = [ - 1]时,扫描假设输出信息中的信息按原样使用.这意味着将使用向量调用addf函数,并将non_sequence作为输入调用.如果将x0转换为标量,它将按预期工作:

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


def addf(a1,a2):
        print a1.type
        print a2.type
        return a1+a2

i = T.iscalar('i')
x0 = T.iscalar('x0') 
step= T.iscalar('step')

results, updates = theano.scan(fn=addf,
                   outputs_info=[{'initial':x0, 'taps':[-1]}],
                   non_sequences=step,
                   n_steps=i)

f=theano.function([x0,i,step],results)

print f(1,10,2)

这给出了这个输出:

TensorType(int32, scalar)
TensorType(int32, scalar)
[ 3  5  7  9 11 13 15 17 19 21]

在你的情况下,因为它做addf(矢量,标量),它广播elemwise值.

用另一种方式解释,如果抽头是[-1],x0将"按原样"传递给内部函数.如果taps包含其他任何东西,传递给内部函数的内容将比x0小1维,因为x0必须提供许多初始步骤值(-2和-1).