Python theano中逻辑回归的负对数可能性是什么样的？

我一直在看报纸。我试着去理解这个数字是如何计算的

y = ivector('y')
W = dmatrix('W')
b = dvector('b')
input = dmatrix('inp')
p_y_given_x = T.nnet.softmax(T.dot(input, W) + b)
logs = T.log(self.p_y_given_x)[T.arange(y.shape[0]), y]

在pretty printing

theano.printing.pprint（logs）

上，它返回

'AdvancedSubtensor(log(Softmax(x)), ARange(TensorConstant{0}, Constant{0}[Shape(y)], TensorConstant{1}), y)'

有人能用一个小例子解释一下这个

AdvanceSubtensor

在做什么吗

在此之后，他们计算了

-T.mean（logs）

---

感谢您的帮助！：）

变量

logs

是一个无符号表达式。如何准确地

repr

s到屏幕并不重要。它们是占位符和

y、W、b

的函数。一旦您编译了一个以这些参数为参数的函数，您就可以恢复

日志

的值作为它们的函数。我只想澄清一下

日志

的形状。假设

y

是

n

大小向量，

W

是

n个特征*n个类

大小矩阵，

b

是

n个类

大小向量，

input

是

n个特征

大小输入数据矩阵。现在，根据我的理解，假定

b

将在

T.dot（input，W）

之后的每一行广播

p\y\u给定的\u x

大小为

n*n\u类。如果我在上面的任何部分都错了，请纠正我，我想知道
日志的形状与这些参数有关。
logs.shape
等于
y.shape
即
n
：您正在索引数组
p_y\u给定的x
即
（n，n\u类）
您每行选择一个条目，折叠
n\u类
轴，只留下
n
轴。谢谢！！我得到了我的答案。。。现在回想起来，我觉得这是一个愚蠢的问题：最后一个问题。因为我是numpy新手，所以这种类型的数组索引
一些双维数组[一些一维数组，另一个大小相同的一维数组]
在numpy中也可能吗？是的，是的。查看numpy文档的广播部分，了解所有其他有趣的星座。