python - theano 定义重复调用另一个函数的函数？

Question

我的训练函数:

def fit(self, X, y):
    batch_size = 20

    index = T.lscalar()  # index to a [mini]batch
    updates = {}

    return theano.function(
        inputs=[index], outputs=self.cost, updates=updates,
        givens={
            self.sym_X: X[index * batch_size:(index + 1) * batch_size],
            self.sym_y: y[index * batch_size:(index + 1) * batch_size]})

然后从别处:

fn = obj.fit(X, y)
for i in range(10):
    fn(i)

所以我希望它看起来像

fn = obj.fit(X, y)
fn()

我什至不确定如何开始这个，因为 theano 对我来说仍然非常令人费解。我能够做到这一点，但循环非常具有挑战性。

我有一个模糊的想法，如果我可以将 theano.function 变成一个 theano.scan，然后在它周围放置一个外部 theano.function - 这可能会起作用。然而，theano.scan 对我来说仍然很神奇(尽管我尽了最大的努力)。

我怎样才能将小批量循环合并到单个函数调用中？

更新:

我以为我做到了!我明白了:

def fit(self, X, y):
    batch_size = 20
    n_batches = 5

    index = theano.shared(0)

    ## index to a [mini]batch
    updates = {
        index: index + batch_size
    }

    return theano.function(
        inputs=[], outputs=[self.cost] * n_batches, updates=updates,
        givens={
            index: 0,
            self.sym_X: X[index * batch_size:(index + 1) * batch_size],
            self.sym_y: y[index * batch_size:(index + 1) * batch_size]})

但不幸的是，由于我使用索引来计算给定的批处理，所以我也无法对其进行更新:

Traceback (most recent call last):
  File "skdeeplearn/classifiers/test/test_classifiers.py", line 79, in test_logistic_sgd
    fn = clf.fit(self.shared_X, self.shared_y)
  File "skdeeplearn/classifiers/logistic_sgd.py", line 139, in fit
    self.sym_y: y[index * batch_size:(index + 1) * batch_size]})
  File "/Users/aelaguiz/workspace/pyvotune/venv/lib/python2.7/site-    packages/theano/compile/function.py", line 206, in function
    profile=profile)
  File "/Users/aelaguiz/workspace/pyvotune/venv/lib/python2.7/site-packages/theano/compile/pfunc.py", line 461, in pfunc
    no_default_updates=no_default_updates)
  File "/Users/aelaguiz/workspace/pyvotune/venv/lib/python2.7/site-packages/theano/compile/pfunc.py", line 162, in rebuild_collect_shared
    "to be replaced by %s." % (v_orig, v_repl))
AssertionError: When using 'givens' or 'replace' with several (old_v, new_v) replacement pairs, you can not have a new_v variable depend on an old_v one. For instance, givens = {a:b, b:(a+1)} is not allowed. Here, the old_v <TensorType(int64, scalar)> is used to compute other new_v's, but it is scheduled to be replaced by <TensorType(int64, scalar)>.

---

更新 2:

def fit(self, X, y):
    batch_size = 20
    n_batches = 5

    index = theano.shared(0)

    ## index to a [mini]batch
    updates = {
        index: index + batch_size
    }

    return theano.function(
        inputs=[], outputs=[self.cost] * n_batches, updates=updates,
        givens={
            self.sym_X: X[index * batch_size:(index + 1) * batch_size],
            self.sym_y: y[index * batch_size:(index + 1) * batch_size]})

这实际上运行了，但它的输出很奇怪:

[array(0.6931471824645996, dtype=float32), array(0.6931471824645996, dtype=float32), array(0.6931471824645996, dtype=float32), array(0.6931471824645996, dtype=float32), array(0.6931471824645996, dtype=float32)]

每次运行它时，我都会得到相同的输出，即使每次运行时 X 和 y 都被初始化为随机值。

Answer 1

我认识的每个人都在 python 中对 minibatch 进行循环。这可以通过扫描来完成，但是您在这里的所有尝试都没有使用扫描。所以他们没有工作是正常的。您需要在某处调用扫描功能才能使用它(或其更高级别的接口(interface)，如 map )。事实上，在你的情况下，我认为你可以使用 theano.scan(fn, theano.tensor.arange(N))。

由于代码片段不完整，我无法在这篇文章中回答您的所有问题，但这里有一些信息:

return theano.function(
    inputs=[], outputs=[self.cost] * n_batches,

此处:[self.cost] * n_batches 是纯 python 代码。这将创建一个包含 n_batches 元素的列表，其中每个元素都是 self.cost。因此，如果 n_batches 为 3，您将得到 outputs=[self.cost, self.cost, self.cost]。这就是您多次输出相同值的原因。

我无法告诉您为什么您总是添加相同的答案，因为我需要未提供的信息。