Theano - 计算图

从以上两个示例中，您可能已经注意到，我们在 Theano 中创建了一个表达式，该表达式最终使用 Theano 函数 进行评估。Theano 使用高级优化技术来优化表达式的执行。为了可视化计算图，Theano 在其库中提供了一个 printing 包。

标量加法的符号图

要查看我们的标量加法程序的计算图，请使用打印库，如下所示 −

theano.printing.pydotprint(f, outfile="scalar_addition.png", var_with_name_simple=True)

执行此语句时，将在您的机器上创建一个名为 scalar_addition.png 的文件。保存的计算图显示在此处供您快速参考 −

生成上述图像的完整程序列表如下 −

from theano import *
a = tensor.dscalar()
b = tensor.dscalar()
c = a + b
f = theano.function([a,b], c)
theano.printing.pydotprint(f, outfile="scalar_addition.png", var_with_name_simple=True)

矩阵乘法器的符号图

现在，尝试为我们的矩阵乘法器创建计算图。生成此图的完整列表如下所示 −

from theano import *
a = tensor.dmatrix()
b = tensor.dmatrix()
c = tensor.dot(a,b)
f = theano.function([a,b], c)
theano.printing.pydotprint(f, outfile="matrix_dot_product.png", var_with_name_simple=True)

生成的图显示在此处 −

复杂图

在较大的表达式中，计算图可能非常复杂。此处显示了来自 Theano 文档的此类图表 −

要了解 Theano 的工作原理，首先必须了解这些计算图的意义。有了这种理解，我们就会知道 Theano 的重要性。

为什么选择 Theano?

通过查看计算图的复杂性，您现在将能够理解开发 Theano 的目的。典型的编译器会在程序中提供局部优化，因为它从不将整个计算视为单个单元。

Theano 实现了非常先进的优化技术来优化完整的计算图。它将代数的各个方面与优化编译器的各个方面相结合。图的一部分可以编译成 C 语言代码。对于重复计算，评估速度至关重要，Theano 通过生成非常高效的代码来满足这一目的。