Theano2 1 9 基礎知識之條件

來自：

conditions

example

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_lazy = 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_lazyifelse = theano.function([a, b, x, y], z_lazy,
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 xrange(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 i in xrange(n_times):
f_lazyifelse(val1, val2, big_mat1, big_mat2)
print 'time spent evaluating one value %f sec' % (time.clock() - tic)

felse

操作比switch花費更少的時間（大約節約一半時間）因為它只計算兩個變數中的乙個。

>>> python ifelse_switch.py

time spent evaluating both values 0.6700 sec
time spent evaluating one value 0.3500 sec

除非使用了 linker='vm'

或者 linker='cvm'

， ifelse

才會計算兩個變數，然後會和switch有著一樣的計算時間。儘管聯結器當前設定的預設值不是cvm，不過在不久的將來會是的。

沒有自動的優化，通過使用廣播的標量來替換switch成為ifelse，因為這並不見得總是更快的，見 ticket.

Theano2 1 9 基礎知識之條件

來自 conditions example 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 ...

Theano2 1 11 基礎知識之稀疏

來自 sparse 通常來說，稀疏矩陣可以和常規矩陣一樣提供相同的功能。兩者不同之處在於在記憶體中儲存矩陣和表示矩陣的方式。在稀疏矩陣中，只有非0元素才會被儲存。這種方式帶來的優點有 首先，這可以很明顯的減少記憶體的使用 第二 通過使用指定的稀疏演算法和這種稀疏儲存方法可以減少計算時間。我們通常將常...

Theano2 1 11 基礎知識之稀疏

來自 sparse 通常來說，稀疏矩陣可以和常規矩陣一樣提供相同的功能。兩者不同之處在於在記憶體中儲存矩陣和表示矩陣的方式。在稀疏矩陣中，只有非0元素才會被儲存。這種方式帶來的優點有 首先，這可以很明顯的減少記憶體的使用 第二 通過使用指定的稀疏演算法和這種稀疏儲存方法可以減少計算時間。我們通常將常...