Python Theano:此共享变量已具有更新表达式

调用

theano.function（）

例如：

updates = []
updates.append([(self.W, self.W - 1)])
updates.append([(self.W, self.W - 2)])
train = th.function(inputs=[index], outputs=[cost], updates=updates)

将抛出错误
此共享变量已具有更新表达式
：

ignore_bug_before` to at least "0.7".
  tolerate_inplace_aliasing=tolerate_inplace_aliasing)
Traceback (most recent call last):
  File "ae.py", line 340, in <module>
    main()
  File "ae.py", line 315, in main
    ae.train(n_epochs=n_epochs, mini_batch_size=100, learning_rate=0.002, train_data= train_sentence_embeddings, test_data= test_sentence_embeddings)
  File "ae.py", line 97, in train
    givens={x:self.X[index:index+mini_batch_size,:]})
  File "/usr/local/lib/python2.7/dist-packages/theano/compile/function.py", line 266, in function
    profile=profile)
  File "/usr/local/lib/python2.7/dist-packages/theano/compile/pfunc.py", line 489, in pfunc
    no_default_updates=no_default_updates)
  File "/usr/local/lib/python2.7/dist-packages/theano/compile/pfunc.py", line 198, in rebuild_collect_shared
    (store_into, update_d[store_into]))
ValueError: ('this shared variable already has an update expression', (W, DimShuffle{1,0}.0))

ignore_bug_`to least“0.7”。
容忍\u就地\u混叠=容忍\u就地\u混叠）
回溯（最近一次呼叫最后一次）：
文件“ae.py”，第340行，在
main（）
文件“ae.py”，第315行，主
ae.列车（n个时期=n个时期，最小批量=100，学习率=0.002，列车数据=列车句子嵌入，测试数据=测试句子嵌入）
文件“ae.py”，第97行，列车中
givens={x:self.x[index:index+mini_batch_size，：]}
文件“/usr/local/lib/python2.7/dist-packages/theano/compile/function.py”，第266行，在函数中
外形=外形）
pfunc中的文件“/usr/local/lib/python2.7/dist-packages/theano/compile/pfunc.py”，第489行
无默认更新=无默认更新）
文件“/usr/local/lib/python2.7/dist packages/theano/compile/pfunc.py”，第198行，位于rebuild\u collect\u shared中
（存储到，更新到[存储到]）
ValueError:（'此共享变量已具有更新表达式'，（W，DimShuffle{1,0}.0））

我很有兴趣这样做，因为我有权重矩阵，我需要以这样一种方式更新它，即它的不同部分有不同的更新（我使用它）。
如theano users邮件列表中所述

您需要链接
set_子传感器
s，以便在更新列表中只为整个张量创建一个条目

例如（代码与原始代码不同，因为原始代码实际上不包括set_子传感器）：

new_w = self.W
new_W = theano.tensor.set_subtensor(new_W[0], -1)
new_W = theano.tensor.set_subtensor(new_W[1], -2)
updates = [(self.W, new_W)]
train = theano.function(inputs=[index], outputs=[cost], updates=updates)