Python 没有索引详细信息

我正在学习Theano教程（特别是），并试图理解这段“不言而喻”的代码：

我的问题是：

函数调用后的[T.arange（y.shape[0]），y]是什么

它如何返回[LP[0，y[0]]，LP[1，y[1]]，LP[2，y[2]]，…，LP[n-1，y[n-1]]

T.mean怎么知道如何计算这样的平均值（不管是什么）

你能概括一下我不懂的概念吗

找到答案（NLL代表负对数可能性）：

NLL是一个符号变量；要获取NLL的实际值，请使用以下符号 表达式必须编译为Theano函数（请参见Theano 教程（了解更多详细信息）

NLL=-T.sum（T.log（p\y\u给定x）[T.arange（y.shape[0]），y]）

语法注释：

T.arange（y.shape[0]）

是整数向量

[0,1,2，…，len（y）]

。 通过两个向量对矩阵M进行索引

[0,1，…，K]，[a，b，…，K]

返回 元素

M[0，a]，M[1，b]，…，M[K，K]

作为向量。这里，我们用这个 检索正确标签的日志概率y的语法

    # y.shape[0] is (symbolically) the number of rows in y, i.e.,
    # number of examples (call it n) in the minibatch
    # T.arange(y.shape[0]) is a symbolic vector which will contain
    # [0,1,2,... n-1] T.log(self.p_y_given_x) is a matrix of
    # Log-Probabilities (call it LP) with one row per example and
    # one column per class LP[T.arange(y.shape[0]),y] is a vector
    # v containing [LP[0,y[0]], LP[1,y[1]], LP[2,y[2]], ...,
    # LP[n-1,y[n-1]]] and T.mean(LP[T.arange(y.shape[0]),y]) is
    # the mean (across minibatch examples) of the elements in v,
    # i.e., the mean log-likelihood across the minibatch.

    return -T.mean(T.log(self.p_y_given_x)[T.arange(y.shape[0]), y])