Python 如何在Theano中分配/更新tensor共享变量的子集？

在

theano

中编译函数时，可以通过指定

updates=[（X，新值）]

来更新共享变量（比如X）。 现在，我尝试只更新共享变量的子集：

from theano import tensor as T
from theano import function
import numpy

X = T.shared(numpy.array([0,1,2,3,4]))
Y = T.vector()
f = function([Y], updates=[(X[2:4], Y)] # error occur:
                                        # 'update target must 
                                        # be a SharedVariable'

---

代码将引发一个错误“更新目标必须是共享变量”，我想这意味着更新目标不能是非共享变量。那么，有没有办法编译一个函数来只提取共享变量的子集呢？

这段代码应该可以解决您的问题：

from theano import tensor as T
from theano import function, shared
import numpy

X = shared(numpy.array([0,1,2,3,4], dtype='int'))
Y = T.lvector()
X_update = (X, X[2:4]+Y)
f = function(inputs=[Y], updates=[X_update])
f([100,10])
print X.get_value()
# output: [102 13]

这是我的答案

如果您还有其他问题，请提问

使用或：

---

现在Theano FAQ中有一个关于这方面的页面：

要更新非连续值：

X\u update=（X，T.set\u subsensor（X[[2,4]]，Y））

它说

inc\u subsensor

比

set\u subsensor

from theano import tensor as T
from theano import function, shared
import numpy

X = shared(numpy.array([0,1,2,3,4]))
Y = T.vector()
X_update = (X, T.set_subtensor(X[2:4], Y))
f = function([Y], updates=[X_update])
f([100,10])
print X.get_value() # [0 1 100 10 4]