Theano - 变量

Theano - 符号变量

正如在数据类型章节中讨论的，Theano 中的变量通常是符号化的。它们在计算图中充当占位符，定义了将流经计算图的数据的类型和形状，但最初并不持有具体的数值。

声明符号变量

你可以使用来自 theano.tensor（通常导入为 tt）的构造函数来声明符号变量。构造函数决定了变量的类型（维度和数据类型）。

import theano
import theano.tensor as tt

# 声明一个符号向量（1D 数组），数据类型为 32 位浮点数
x = tt.fvector('x')
# 'x' 是一个可选名称，有助于调试和图可视化。

# 声明一个符号矩阵（2D 数组），数据类型为 64 位整数
y = tt.lmatrix('y')

# 声明一个符号标量（0D 张量），数据类型为 32 位整数
z = tt.iscalar('z')

# 声明一个符号 3D 张量，数据类型为 64 位浮点数
t3 = tt.dtensor3('t3')

这些语句创建了 TensorVariable 对象。它们代表了计算图中的节点，这些节点稍后在执行 theano.function 时将接收实际数据。

变量属性

你可以检查符号变量的以下属性：

print(f"Variable x: name={x.name}, type={x.type}, ndim={x.ndim}, dtype={x.dtype}")
# Output: Variable x: name=x, type=TensorType(float32, vector), ndim=1, dtype=float32

print(f"Variable y: name={y.name}, type={y.type}, ndim={y.ndim}, dtype={y.dtype}")
# Output: Variable y: name=y, type=TensorType(int64, matrix), ndim=2, dtype=int64

print(f"Variable t3: name={t3.name}, type={t3.type}, ndim={t3.ndim}, dtype={t3.dtype}")
# Output: Variable t3: name=t3, type=TensorType(float64, tensor3), ndim=3, dtype=float64

name：创建时给定的可选字符串名称。
type：一个 Theano TensorType 对象，描述数据类型和广播模式（维度）。
ndim：维度数量（0 表示标量，1 表示向量，2 表示矩阵等）。
dtype：数据类型字符串（例如，‘float32’，‘int64’）。

常见构造函数总结

以下是一些常见张量变量构造函数的快速参考：

构造函数 (`theano.tensor.*`)	默认数据类型	维度 (`ndim`)
`scalar`（例如，`fscalar`，`dscalar`，`iscalar`）	取决于前缀 (f=float32, d=float64, i=int32)	0
`vector`（例如，`fvector`，`dvector`，`ivector`）	取决于前缀	1
`matrix`（例如，`fmatrix`，`dmatrix`，`imatrix`）	取决于前缀	2
`tensor3`（例如，`ftensor3`，`dtensor3`，`itensor3`）	取决于前缀	3
`tensor4`（例如，`ftensor4`，`dtensor4`，`itensor4`）	取决于前缀	4

你也可以使用通用构造函数（vector，matrix，tensor3 等），并显式指定 dtype，这通常更受欢迎，因为它更清晰：

# 显式创建一个 int32 向量
explicit_vec = tt.vector('explicit_vec', dtype='int32')
print(f"Explicit Vec: type={explicit_vec.type}, dtype={explicit_vec.dtype}")
# Output: Explicit Vec: type=TensorType(int32, vector), dtype=int32

# 显式创建一个 float64 矩阵
explicit_mat = tt.matrix('explicit_mat', dtype='float64')
print(f"Explicit Mat: type={explicit_mat.type}, dtype={explicit_mat.dtype}")
# Output: Explicit Mat: type=TensorType(float64, matrix), dtype=float64

符号值与具体值

区分它们至关重要：tt.fvector('x') 创建一个符号，代表未来一个 float32 向量。它不像 NumPy 数组 np.array([1.0, 2.0], dtype='float32') 那样持有数据。符号变量定义了计算图的规则和类型，而具体值（通常是 NumPy 数组）只在你执行编译后的 theano.function 时提供。

变量的作用

符号变量是定义 Theano 计算的基本构建块。你声明它们来代表你期望计算的输入、中间结果和输出。通过 Theano 运算符（如 +, *, tt.dot, tt.nnet.relu 等）连接这些变量，你就可以构建 Theano 将进行优化和编译的计算图。

下一章将讨论一种特殊的变量类型，共享变量，它对于在训练过程中持有模型参数等持久状态至关重要。