Python 在Theano上自定义操作/功能

我是Theano图书馆的新手，该图书馆用于在GPU设备上进行深入学习。我注意到有几个内置操作可以支持gpu计算（我想它们是专门以支持gpu的方式编写的）：

1.如果我使用python的内置函数sum（）而不是T.sum（），有什么区别。sum（）是否仍然有效，但可能会更慢

假设sum（）不适用于gpu计算，那么如果我需要任何在gpu上可行的操作/函数，我需要以这种方式实现它。e、 我要计算sin（x），其中x是向量或矩阵，并存储在GPU内存中。是否有任何关于实现可以在gpu设备上运行的sin（x）的提示？（这可能不合适或不容易回答）

我无法理解T.grad（）。T.grad如何对任何给定的光滑符号函数进行符号计算？我对此很好奇

---

在theano中，您必须使用

T.sum（）、T.neq（）、T.argmax（）、T.grad（）

进行符号计算，而不使用变量，如

T.matrix

。例如，不能使用内置的

sum（）

。 如果你使用theano，你必须遵循theano自己的方法，因为theano使用不同形式的计算来利用gpu的架构

但是，如果要使用

sum（）

可以使用它进行计算，然后创建一个

theano.shared

变量来存储结果，这样可以在运行时将其存储在gpu内存中

关于T.grad（），也许你应该问问theano开发者： 然而，我认为当theano运行时，它可以利用gpu的计算能力，使用实际变量计算函数的梯度运行时。 我希望这能有所帮助

---

很高兴能帮上忙！如果您觉得我的回答对您有用，请随时接受。：-）

谢谢！从您所说的，似乎我们只能使用Theano实现的操作/函数进行GPU计算。它可能限制了机器学习的可能用途。也许-实际上肯定-使其更难，但同时它通过优化、利用gpu架构扩展了机器学习的可能用途，从而大大加快了计算速度，因为在ML中，关键问题是计算时间太长。如果我的答案有用，请也单击绿色的ok符号。：）

 import theano.tensor as T
 T.sum(), T.neq(), T.argmax(),T.grad()