Python 2.7 转换后无法更新共享张量变量的子集

我有以下代码：

import theano.tensor as T

Words = theano.shared(value = U, name = 'Words')
zero_vec_tensor = T.vector()
zero_vec = np.zeros(img_w, dtype = theano.config.floatX)
set_zero = theano.function([zero_vec_tensor], updates=[(Words, T.set_subtensor(Words[0,:], zero_vec_tensor))])

编译很好（其中

U

是一个数据类型为

float64

的numpy数组）

为了防止将来出现类型错误，我想将我的共享张量

Words

转换为

float32

（或

theano.config.floatX

，这与我在配置文件中将

floatX

设置为

float32

相当）

因此，我添加了

Words=T.cast（Words，dtype=theano.config.floatX）

，然后我得到了以下错误：

TypeError:（'updatetarget必须是SharedVariable'，Elemwise{Cast{float32}}.0）

我不明白为什么。根据这一点，使用

set_subsensor

应该允许我更新共享变量的子集

U = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
Words = theano.shared(value=U, name='Words')
zero_vec_tensor = T.vector()
set_zero = theano.function([zero_vec_tensor], updates=[(Words, T.set_subtensor(Words[0, :], zero_vec_tensor))])

U = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
Words = theano.shared(value=U, name='Words')
Words = T.cast(Words, dtype = theano.config.floatX)
zero_vec_tensor = T.vector()
set_zero = theano.function([zero_vec_tensor], updates=[(Words, T.set_subtensor(Words[0, :], zero_vec_tensor))])

---

如何在能够更新共享张量的同时对其进行强制转换？

问题在于您试图更新的是符号变量，而不是共享变量

U = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
Words = theano.shared(value=U, name='Words')
zero_vec_tensor = T.vector()
set_zero = theano.function([zero_vec_tensor], updates=[(Words, T.set_subtensor(Words[0, :], zero_vec_tensor))])

U = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
Words = theano.shared(value=U, name='Words')
Words = T.cast(Words, dtype = theano.config.floatX)
zero_vec_tensor = T.vector()
set_zero = theano.function([zero_vec_tensor], updates=[(Words, T.set_subtensor(Words[0, :], zero_vec_tensor))])

工作正常，因为您正在更新的内容，

Words

是一个共享变量

U = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
Words = theano.shared(value=U, name='Words')
zero_vec_tensor = T.vector()
set_zero = theano.function([zero_vec_tensor], updates=[(Words, T.set_subtensor(Words[0, :], zero_vec_tensor))])

U = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
Words = theano.shared(value=U, name='Words')
Words = T.cast(Words, dtype = theano.config.floatX)
zero_vec_tensor = T.vector()
set_zero = theano.function([zero_vec_tensor], updates=[(Words, T.set_subtensor(Words[0, :], zero_vec_tensor))])

不起作用，因为现在Word不再是共享变量，它是一个符号变量，在执行时，将计算一个强制转换，将共享变量中的值转换为

theano.config.floatX

共享变量的

dtype

由分配给它的值决定。因此，您可能只需要更改U的类型：

U = np.array([[1, 2, 3], [4, 5, 6]], dtype=theano.config.floatX)

或者使用numpy而不是象征性地投射：

U = np.dtype(theano.config.floatX).type(U)