1
T.mean
在this example中有什么意义?如果实现是矢量化的,我认为T.mean
是有意义的。这里的输入x
和y
到train(x, y)
是标量,而cost
只发现单个输入的平方误差,并迭代数据。theano中的线性回归
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()
删除T.mean
对输出模式没有影响。