python - Theano张量上的重叠迭代

我正在尝试在theano中实现扫描循环，给定张量将使用输入的“运动切片”。它实际上不一定是运动切片，它可以是经过预处理的张量，也可以是代表该运动切片的另一个张量。

本质上:

[0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16]
 |-------|                                 (first  iteration)
   |-------|                               (second iteration)
     |-------|                             (third  iteration)
               ...
                    ...
                        ...
                               |-------|   (last   iteration)

其中|-------|是每次迭代的输入。

我试图找出最有效的方法，也许使用某种形式的引用或操纵步幅，但是即使是纯粹的numpy，我也没有设法使某些事情起作用。

我发现了一个可能的解决方案，可以找到here，但是我无法弄清楚如何使用跨步，并且我看不到将其用于theano的方法。

最佳答案

您可以构建一个包含每个时间步的切片起始索引的向量，然后调用Scan并将该向量作为序列，将原始向量作为非序列。然后，在“扫描”内部，您可以在每次迭代中获取所需的切片。

我提供了一个示例，其中还将切片的大小作为符号输入，以防您要将其从Theano函数的一次调用更改为下一次调用:

import theano
import theano.tensor as T

# Input variables
x = T.vector("x")
slice_size = T.iscalar("slice_size")


def step(idx, vect, length):

    # From the idx of the start of the slice, the vector and the length of
    # the slice, obtain the desired slice.
    my_slice = vect[idx:idx + length]

    # Do something with the slice here. I don't know what you want to do
    # to I'll just return the slice itself.
    output = my_slice

    return output

# Make a vector containing the start idx of every slice
slice_start_indices = T.arange(x.shape[0] - slice_size + 1)

out, updates = theano.scan(fn=step,
                        sequences=[slice_start_indices],
                        non_sequences=[x, slice_size])

fct = theano.function([x, slice_size], out)

使用参数运行该函数将产生输出:

print fct(range(17), 5)

[[  0.   1.   2.   3.   4.]
 [  1.   2.   3.   4.   5.]
 [  2.   3.   4.   5.   6.]
 [  3.   4.   5.   6.   7.]
 [  4.   5.   6.   7.   8.]
 [  5.   6.   7.   8.   9.]
 [  6.   7.   8.   9.  10.]
 [  7.   8.   9.  10.  11.]
 [  8.   9.  10.  11.  12.]
 [  9.  10.  11.  12.  13.]
 [ 10.  11.  12.  13.  14.]
 [ 11.  12.  13.  14.  15.]
 [ 12.  13.  14.  15.  16.]]

关于python - Theano张量上的重叠迭代，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/31733166/