У меня есть следующий код, который выполняет то, что я хочу сделать. Но мне интересно, есть ли лучший способ сделать это, избегая циклов For. Здесь важна производительность, так как я вызываю эти операции много раз.
Я думаю, что это можно улучшить, используя «сканирование» и «функцию», но у меня недостаточно опыта работы с Theano, чтобы это было для меня очевидно. Я пытался поместить все в theano.function, но это не сработало.
import theano
import theano.tensor as t
import numpy as np
m=9
n=9
dim=4
W=np.random.random((m,dim))
Y=np.random.random((n,dim))
I=np.random.randint(0,2,(n,m))
I=I.astype(int)
U=theano.shared(np.zeros((n,dim)))
for i in range(n):
Ui=np.zeros(dim)
for k in range(m):
Ui+=t.dot(I[i,k],W[k,:])
U=t.set_subtensor(U[i,:],Ui/I[i,:].sum())
U+=Y
Кстати, это реализация вероятностной матричной факторизации с ограничениями (уравнение 7 в статье Салахутдинова и Мниха). Я делаю это с pymc3, поэтому «W» и «Y» действительно являются стохастическими тензорами pymc3 (которые, как я считаю, являются просто тензорами теано).
Спасибо!