Theano Stapelmatrizen programmgesteuert?

Question

Ich habe den folgenden Code, der 2 Matrizen in einen 3D-Tensor stapelt.

import theano 
import theano.tensor as T 
A = T.matrix("A") 
B = theano.tensor.stack(A, A) 
f = theano.function(inputs=[A], outputs=B) 
print f([range(10)]*2) 

Allerdings weiß ich nicht, wie oft ich die Matrix im Voraus stapeln muss. Zum Beispiel kann die vierte Codezeile sein:

B = theano.tensor.stack(A, A, A) 
B = theano.tensor.stack(A, A, A, A) 
etc... 

Gibt es eine Theanos Funktion eine Matrix n-mal zu duplizieren:

theano.some_function(A, 3) = theano.tensor.stack(A, A, A) 

Dann kann ich das 3 passieren, als Argument an die Theano Funktion f. Ist das möglich? Ich habe mich mit Broadcasting beschäftigt, aber Broadcasting ändert Dimensionalität/Stack nicht explizit.

Answer 1

Ich weiß nicht, über Theano, aber man kann dies mit Liste Verständnis erreichen und Auspacken Argumentliste:

n = 5 
B = theano.tensor.stack(*[A for dummy in range(n)]) 

, die gleich ist:

B = theano.tensor.stack(A, A, A, A, A) 

Was dies bedeutet ist, es erstellt zuerst eine Liste mit n Kopien von A und entpackt dann diese Liste in separate Argumente (siehe https://docs.python.org/2/tutorial/controlflow.html#unpacking-argument-lists).

Answer 2

Nach dem Graben lange und hart über die Theano Dokumentation ich die Lösung gefunden haben:

import theano 
import theano.tensor as T 
A = T.matrix("A") 
B = [A] 
C = theano.tensor.extra_ops.repeat(B, 3, axis=0) 
f = theano.function(inputs=[A], outputs=C) 
print f([range(10)]*2) 

entspricht:

import theano 
import theano.tensor as T 
A = T.matrix("A") 
B = theano.tensor.stack(A, A, A) 
f = theano.function(inputs=[A], outputs=B) 
print f([range(10)]*2) 

außer wir jetzt die Anzahl der Wiederholungen programmatisch als zweite wählen Argument zu: theano.tensor.extra_ops.repeat

Answer 3

Hier ist ein Beispiel mit Rundfunk

import theano 
import theano.tensor as T 
import numpy as np 

A = T.fmatrix() 
n = T.iscalar() 

ones = T.ones((n, 1, 1)) 

stackedA = ones * A[np.newaxis, :, :] 

f = theano.function([A, n], stackedA) 

a = np.arange(30).reshape(5, 6).astype('float32') 
nn = 3 

r = f(a, nn) 

print r.shape # outputs (3, 4, 5) 
print (r == a[np.newaxis]).all() # outputs True 

Dieser Ansatz kann dem Compiler helfen, Kacheln zu vermeiden, wenn er dies optimieren kann.