Theano入门CNN(一)

标签：

     Theano是一个Python库，专门用于定义、优化、求值数学表达式，效率高，适用于多维数组。特别适合做机器学习。一般来说，使用时需要安装python和numpy.

     首先回顾一下机器学习的东西，定义一个模型（函数）f(x;w) x为输入，w为模型参数，然后定义一个损失函数c(f),通过数据驱动在一堆模型函数中选择最优的函数就是训练training的过程，在机器学习中训练一般采用梯度下降法gradient descent.

     使用theano来搭建机器学习(深度学习)框架，有以下优点：

     1、 theano能够自动计算梯度

     2、只需要两步骤就能搭建框架，定义函数和计算梯度。

一、 定义函数

步骤 0    宣告使用theano   import theano
步骤 1    定义输入       x=theano.tensor.scalar()
步骤 2    定义输出       y=2*x
步骤3     定义fuction    f = theano.function([x],y)
步骤 4    调用函数     print f(-2)

步骤1 定义输入变量 

      a = theano.tensor.scalar()

      b =theano.tensor.matrix()

简化  import  theano.tensor as T

步骤2 定义输出变量 需要和输入变量的关系

     x1=T.matrix()

     x2=T.matrix()

     y1=x1*x2

     y2=T.dot(x1,x2) #矩阵乘法

步骤3 申明函数

     f= theano.function([x],y)

    函数输入必须是list 带[]

example:

 1 import theano
 2 import theano.tensor as T
 3 
 4 a= T.matrix()
 5 b= T.matrix()
 6 c = a*b
 7 d = T.dot(a,b)
 8 F1= theano.function([a,b],c)
 9 F2= theano.function([a,b],d)
   A=[[1,2],[3,4]]
10 B=[[2,4],[6,8]] #2*2矩阵
11 C=[[1,2],[3,4],[5,6]] #3*2矩阵
12 print F1(A,B)
13 print F2(C,B)

二、计算梯度

   计算 dy/dx g=T.grad(y,x)

Theano入门CNN(一)

标签：

原文地址：http://www.cnblogs.com/love6tao/p/5770022.html