---

Theano - 矩阵乘法表达式

我们将计算两个矩阵的点积。第一个矩阵的尺寸为 2 x 3，第二个矩阵的尺寸为 3 x 2。我们用作输入的矩阵及其乘积在此处表示为 −

$$\begin{bmatrix}0 & -1 & 2\4 & 11 & 2\end{bmatrix} \:\begin{bmatrix}3& -1 \1 & 2 \35 & 20 \end{bmatrix}=\begin{bmatrix}11 & 0 \35 & 20 \end{bmatrix}$$

声明变量

要为上述内容编写 Theano 表达式，我们首先声明两个变量来表示我们的矩阵，如下所示 −

a = tensor.dmatrix()
b = tensor.dmatrix()

dmatrix 是双精度矩阵的类型。请注意，我们没有在任何地方指定矩阵大小。因此，这些变量可以表示任何维度的矩阵。

定义表达式

为了计算点积，我们使用了名为 dot 的内置函数，如下所示 −

c = tensor.dot(a,b)

乘法的输出被分配给名为 c 的矩阵变量。

定义 Theano 函数

接下来，我们像前面的例子一样定义一个函数来评估表达式。

f = theano.function([a,b], c)

请注意，函数的输入是两个变量 a 和 b，它们是矩阵类型。函数输出被分配给变量 c，该变量将自动为矩阵类型。

调用 Theano 函数

我们现在使用以下语句 − 调用该函数

d = f([[0, -1, 2], [4, 11, 2]], [[3, -1],[1,2], [6,1]])

上述语句中的两个变量是 NumPy 数组。您可以明确定义 NumPy 数组，如下所示 −

f(numpy.array([[0, -1, 2], [4, 11, 2]]),
numpy.array([[3, -1],[1,2], [6,1]]))

计算 d 后，我们打印其值 −

print (d)

您将在输出中看到以下输出 −

[[11. 0.]
[25. 20.]]

完整程序清单

The complete program listing is given here:
from theano import *
a = tensor.dmatrix()
b = tensor.dmatrix()
c = tensor.dot(a,b)
f = theano.function([a,b], c)
d = f([[0, -1, 2],[4, 11, 2]], [[3, -1],[1,2],[6,1]])
print (d)

程序执行的屏幕截图如下 −

---