切换视频源:

Function 用法

作者: 灰猫 编辑: 莫烦 2016-11-03

学习资料:

theano 当中的 function 就和 python 中的 function 类似, 不过因为要被用在多进程并行运算中,所以他的 function 有他自己的一套使用方式.

这是涉及的是Theano 的function 用法。在theano中由于涉及到GPU加速以及CPU 的并行的运算,所以他的function会有不同。

这次介绍了function的三种用法,并且各举一个例.

首先 , 导入所需要的python包:

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

激励函数例子

使用activation function(激励函数)的例子。 activation function 的例子是使用 function 最简单的形式。 首先需要定义一个 tensor T:

x = T.dmatrix('x')

然后声明了概率计算方式,这里需要注意这里的计算方式要用到Theano里面的计算方式。而不能使用numpy包里面的exp()

s = 1/(1+T.exp(-x)) # logistic or soft step 

最后。调用 theano 定义的计算函数 logistic

logistic = theano.function([x], s)
print(logistic([[0,1],[-2,-3]]))

"""
[[ 0.5         0.73105858]
 [ 0.26894142  0.11920292]]
"""

多输入/输出的 function

假定我们的 theano 函数中的输入值是两个,输出也是两个。 指定输入的值是矩阵a,b

a,b = T.dmatrices('a','b')

计算输入a,b 之间的差(diff), 差的绝对值(abs_diff),差的平方(diff_squared

diff=a-b
abs_diff=abs(diff)
diff_squared = diff**2

在这次使用theano.function的时候可以指定两个输,并且输出这两个数值的差(diff),差的绝对值(abs_diff), 差的平方(diff_squared)。当我们在调用这个函数的时候会将这三个结果作为输出值。

f = theano.function([a,b], [diff,abs_diff,diff_squared])

最后调用函数f, 并且向函数传递初始化之后的参数。


x1,x2,x3= f(
    np.ones((2,2)), # a
    np.arange(4).reshape((2,2))  # b
)
print(x1, x2, x3)

"""
array([[ 1.,  0.],
       [-1., -2.]]),
array([[ 1.,  0.],
       [ 1.,  2.]]),
array([[ 1.,  0.],
       [ 1.,  4.]])   
"""

function 的名字

首先,我们可以使用 T.dscalars() 里面同时定义三个纯量的容器。 以及输出值z

x,y,w = T.dscalars('x','y','w')
z = (x+y)*w

接下来应该是定义 theano 的函数了, 在定义函数的并且指定输入值的时候,我们期望能够有默认值, 于是我们使用 theano 的默认值书写方式来指定

# name for a function
f = theano.function([x,
                     theano.In(y, value=1),
                     theano.In(w,value=2)],
                    z)

print(f(23))    # 使用默认
print(f(23,1,4)) # 不使用默认
"""
48.0
100.0
"""

同时,我们还可以在定义默认值的时候,可以指定参数名字。 这样做的目的是防止我们定义的参数过于多的情况下,忘记函数的顺序。

f = theano.function([x,
                     theano.In(y, value=1),
                     theano.In(w,value=2,name='weights')],
                    z)
                    
print (f(23,1,weights=4)) ##调用方式

"""
100.0
"""

总结

这节中,我们介绍了function的三种方式: 首先,一个theanod的function的简单用法; 其次在使用theano的function中可以有多个input和output; 最后是theano的function中可以有默认值并且可以给参数指定名称。

在 fucntion 的参数会在CPU/GPU中共享,下一期会提到 shared value 。敬请期待。

降低知识传递的门槛

莫烦的对教育的态度是: 降低知识传递的门槛,不希望给"学习"设置金钱障碍。 这是我花大量业余时间贡献 免费 AI分享的原因。 通过 【赞助】 能及时让我看到你对 【莫烦态度】 的认同,我也更有理由坚持下去。

如果你当前目标是找工作或者转行AI,想接受更加丰富的教学资源、培训辅导体验,我想推荐我的朋友 七月在线 给你, 通过这个 【莫烦Python为你提供的注册链接】, 你将可以获得莫烦专门为你协商的课程优惠券。祝你找/换工作顺利~