python – 在Theano中更新共享变量的一部分

如何在Theano中更新共享变量的一部分?

例如.而不是做:

gradient_W = T.grad(cost,W)
updates.append((W, W-learning_rate*gradient_W))
train = th.function(inputs=[index], outputs=[cost], updates=updates,
                            givens={x:self.X[index:index+mini_batch_size,:]})

我只想更新部分W,例如只有第一列:

 updates.append((W[:, 0], W[:, 0]-learning_rate*gradient_W))

但这样做会给出错误TypeError :(‘update target必须是SharedVariable’,Subtensor {::,int64} .0):

Traceback (most recent call last):
  File "ae.py", line 330, in <module>
    main()
  File "ae.py", line 305, in main
    ae.train(n_epochs=n_epochs, mini_batch_size=100, learning_rate=0.002, train_data= train_sentence_embeddings, test_data= test_sentence_embeddings)
  File "ae.py", line 87, in train
    givens={x:self.X[index:index+mini_batch_size,:]})
  File "/usr/local/lib/python2.7/dist-packages/theano/compile/function.py", line 266, in function
    profile=profile)
  File "/usr/local/lib/python2.7/dist-packages/theano/compile/pfunc.py", line 489, in pfunc
    no_default_updates=no_default_updates)
  File "/usr/local/lib/python2.7/dist-packages/theano/compile/pfunc.py", line 194, in rebuild_collect_shared
    store_into)
TypeError: ('update target must be a SharedVariable', Subtensor{::, int64}.0)

Theano的典型方式是什么?

W是典型的权重矩阵:

initial_W = np.asarray(rng.uniform(
                 low=-4 * np.sqrt(6. / (self.hidden_size + self.n)),
                 high=4 * np.sqrt(6. / (self.hidden_size + self.n)),
                 size=(self.n, self.hidden_size)), dtype=th.config.floatX)
W = th.shared(value=initial_W, name='W', borrow=True)

最佳答案 你可以用例如theano.tensor.set_subtensor.

采取上面提到的更新行,这将成为:

updates.append((W, T.set_subtensor(W[:, 0], W[:, 0]-learning_rate*gradient_W)))

其中T = theano.tensor.

另一种可能性,在你的情况下更简洁一点是T.inc_subtensor,你只指定增量而不是新值:

updates.append((W, T.inc_subtensor(W[:, 0], -learning_rate*gradient_W)))
点赞