Theano - 條件

mengera88 發(fā)布于2019-07-25 12:03 / 2082人閱讀

摘要：接收布爾型條件和兩個(gè)變量作為輸入。進(jìn)行元素級運(yùn)算，因此比更常用。比較懶惰，只計(jì)算滿足條件的相應(yīng)輸出變量，而計(jì)算所有的輸出變量。如果那么計(jì)算和，并輸出在這個(gè)例子中，比花費(fèi)更少的時(shí)間，因?yàn)樗挥?jì)算輸出變量中的一個(gè)。

IfElse vs Switch

IfElse接收布爾型條件和兩個(gè)變量作為輸入。

Switch接收一個(gè)張量（Tensor）以及兩個(gè)變量作為輸入。

Switch進(jìn)行元素級運(yùn)算，因此比IfElse更常用。

IfElse比較懶惰，只計(jì)算滿足條件的相應(yīng)輸出變量，而Switch計(jì)算所有的輸出變量。

即：

ifelse(condition, output1, output2): 如果condition:1(0),那么ifelse只計(jì)算output1(output2)并輸出。

switch(condition, output1, output2): 如果condition:1(0),那么switch計(jì)算output1和output2，并輸出output1(output2)

from theano import tensor as T
from theano.ifelse import ifelse
import theano, time, numpy

a, b = T.scalars("a", "b")
x, y = T.matrices("x", "y")

z_switch = T.switch(T.lt(a, b), T.mean(x), T.mean(y))
z_ifelse = ifelse(T.lt(a, b), T.mean(x), T.mean(y))

f_switch = theano.function([a, b, x, y], z_switch, mode=theano.Mode(linker="vm"))
f_ifelse = theano.function([a, b, x, y], z_ifelse, mode=theano.Mode(linker="vm"))

val1 = 0.
val2 = 1.
big_mat1 = numpy.ones((10000, 1000))
big_mat2 = numpy.ones((10000, 1000))
n_times = 10

tic = time.clock()
for i in range(n_times):
    f_switch(val1, val2, big_mat1, big_mat2)
print("time spent evaluating both values %f sec" % (time.clock() - tic))

tic = time.clock()
for j in range(n_times):
    f_ifelse(val1, val2, big_mat1, big_mat2)
print("time spent evaluating one value %f sec" % (time.clock() - tic))

在這個(gè)例子中，IfElse比Switch花費(fèi)更少的時(shí)間，因?yàn)樗挥?jì)算輸出變量中的一個(gè)。
如果不使用linker="vm"或linker="cvm"，那么ifelse將會(huì)和switch一樣計(jì)算兩個(gè)輸出變量，而且花費(fèi)的時(shí)間和switch一樣多。

文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址：http://m.hztianpu.com/yun/38661.html

相關(guān)文章

從NNVM看2016年深度學(xué)習(xí)框架發(fā)展趨勢

摘要：兩者取長補(bǔ)短，所以深度學(xué)習(xí)框架在年，迎來了前后端開發(fā)的黃金時(shí)代。陳天奇在今年的中，總結(jié)了計(jì)算圖優(yōu)化的三個(gè)點(diǎn)依賴性剪枝分為前向傳播剪枝，例已知，，求反向傳播剪枝例，，求，根據(jù)用戶的求解需求，可以剪掉沒有求解的圖分支。虛擬框架殺入從發(fā)現(xiàn)問題到解決問題半年前的這時(shí)候，暑假，我在SIAT MMLAB實(shí)習(xí)?？粗乱粫?huì)兒跑Torch，一會(huì)兒跑MXNet，一會(huì)兒跑Theano。SIAT的服務(wù)器一般是不...

ThinkSNS 2019-04-25 18:08 評論0 收藏0
PyTorch和TensorFlow到底哪個(gè)更好？看看一線開發(fā)者怎么說

摘要：我認(rèn)為對機(jī)器學(xué)習(xí)開發(fā)者來說，是一個(gè)了不起的工具集。這個(gè)帖子發(fā)出后得到了很多機(jī)器學(xué)習(xí)研究者和開發(fā)者的關(guān)注，他們紛紛跟貼談?wù)撟约旱南敕ê徒?jīng)驗(yàn)不只是關(guān)于和，討論中還涉及到更多工具。 Theano、TensorFlow、Torch、MXNet 再到近日比較熱門的 PyTorch 等等，深度學(xué)習(xí)框架之間的比較一直以來都是非常受人關(guān)注的熱點(diǎn)話題。機(jī)器之心也曾發(fā)表過多篇相關(guān)的介紹和對比文章，如《主流深度學(xué)...

coordinate35 2019-04-25 18:09 評論0 收藏0
Yoshua Bengio等大神傳授：26條深度學(xué)習(xí)經(jīng)驗(yàn)

摘要：另外，當(dāng)損失函數(shù)接近全局最小時(shí)，概率會(huì)增加。降低訓(xùn)練過程中的學(xué)習(xí)率。對抗樣本的訓(xùn)練據(jù)最近信息顯示，神經(jīng)網(wǎng)絡(luò)很容易被對抗樣本戲弄。使用高度正則化會(huì)有所幫助，但會(huì)影響判斷不含噪聲圖像的準(zhǔn)確性。由 Yoshua Bengio、 Leon Bottou 等大神組成的講師團(tuán)奉獻(xiàn)了 10 天精彩的講座，劍橋大學(xué)自然語言處理與信息檢索研究組副研究員 Marek Rei 參加了本次課程，在本文中，他精煉地...

Lowky 2019-04-25 18:03 評論0 收藏0
Yoshua Bengio等大神傳授：26條深度學(xué)習(xí)經(jīng)驗(yàn)

摘要：八月初，我有幸有機(jī)會(huì)參加了蒙特利爾深度學(xué)習(xí)暑期學(xué)校的課程，由最知名的神經(jīng)網(wǎng)絡(luò)研究人員組成的為期天的講座。另外，當(dāng)損失函數(shù)接近全局最小時(shí)，概率會(huì)增加。降低訓(xùn)練過程中的學(xué)習(xí)率。對抗樣本的訓(xùn)練據(jù)最近信息顯示，神經(jīng)網(wǎng)絡(luò)很容易被對抗樣本戲弄。 8月初的蒙特利爾深度學(xué)習(xí)暑期班，由Yoshua Bengio、 Leon Bottou等大神組成的講師團(tuán)奉獻(xiàn)了10天精彩的講座，劍橋大學(xué)自然語言處理與信息檢索研...

Salamander 2019-04-25 18:07 評論0 收藏0
Theano - theano如何處理形狀信息

摘要：是怎么處理形狀信息在構(gòu)建圖的時(shí)候，不可能嚴(yán)格執(zhí)行變量的形狀。形狀推斷問題在圖中，將會(huì)傳播形狀的信息。以下情形是目前我們可以做到的當(dāng)調(diào)用時(shí)，你可以直接把形狀信息傳遞給。例如你可以在圖的任何位置使用添加位置信息。 Theano是怎么處理形狀信息(Shape Information) 在構(gòu)建圖的時(shí)候，不可能嚴(yán)格執(zhí)行Theano變量的形狀。因?yàn)樵谶\(yùn)行的時(shí)候，傳遞給Theano函數(shù)的某一參數(shù)的值...

muddyway 2019-07-25 12:03 評論0 收藏0