Python 使用Theano从多项式中提取样本

我目前正在实现一个卷积RBM，我正在使用Theano

我当前的实现似乎相当缓慢，分析表明这主要是由于Gibbs采样步骤。 事实上，我正在使用Theano来生成多项式样本

然而，我发现了Theano的random stream的改进版本，它满足了我所有的性能要求

不幸的是，这个实验性的随机生成器只支持二维矩阵，我必须将它用于tensor4对象（4D矩阵），因为这是Theano的nnet conv2d操作的结果

你知道有没有一种有效的方法可以从具有以下结构的4D矩阵中提取样本：

样本尺寸x 1 x N x M

我想从其中一列（第三维）中画出一个代码，如下所示：

    for sample in range(numSamples):
        for col in range(numCols):
            drawMultinomial(n=1, pvals=data[sample,0,col,:])

但是这段代码会非常慢，我希望在GPU上高效地完成这项工作

---

因此，如果有任何帮助，我将不胜感激。

因此，我找到了一个解决方案，该解决方案使用了一个相当简单的dimshuffle/重塑组合，该组合在采样后撤消。

这个解决方案对我来说效果很好，尽管按照这种方法批量大小有一些限制。 由于重塑后的矩阵可能变得非常大，因此我们可能会遇到随机生成器发出错误消息的情况，即使文档中没有提到

由于dimshuffle和整形是在O（1）中执行的，因此解决方案也相当快

def sampleVisibleLayer (self, V):
    reshaped = V.dimshuffle(0, 1, 3, 2).reshape((V.shape[0]*V.shape[3], V.shape[2]))
    S_reshaped = self.theano_rng.multinomial(n=1,pvals=reshaped)
    S = S_reshaped.reshape((V.shape[0], 1, V.shape[3], V.shape[2])).dimshuffle(0, 1, 3, 2)