Was ist die Bedeutung von T.mean
in this example? Ich denke, T.mean
hätte Sinn ergeben, wenn die Implementierung vektorisiert wurde. Hier sind die Eingänge x
und y
bis train(x, y)
Skalare, und cost
findet nur den quadratischen Fehler einer einzelnen Eingabe und iteriert über die Daten.Lineare Regression in theano
cost = T.mean(T.sqr(y - Y))
gradient = T.grad(cost=cost, wrt=w)
updates = [[w, w - gradient * 0.01]]
train = theano.function(inputs=[X, Y], outputs=cost, updates=updates, allow_input_downcast=True)
for i in range(100):
for x, y in zip(trX, trY):
train(x, y)
print w.get_value()
Entfernen T.mean
hatte keine Auswirkungen auf das Ausgabemuster.