theano，python3怎么安装theano

本文目录一览

1，python3怎么安装theano
2，如何让theano变量变成数组使用
3，如何将theano模块添加到matlab
4，训练语音识别用的LSTM语言模型用theano还是tensorFlow哪个好用
5，pythonxy如何安装Theano 我在window系统下安装了pythonxy
6，如何评价 Theano

1，python3怎么安装theano

一般安装setuptools, 装好后就可以运行 easy_install 安装了。 pip也可以安装包。

支持一下感觉挺不错的

python3怎么安装theano

2，如何让theano变量变成数组使用

变量来代替数值,输出是一个0维的numpy.ndarray数组...import theanoimport numpyimport theano.tensor as T...Photoshop把风景图片转为梦幻的动画片

如何让theano变量变成数组使用

3，如何将theano模块添加到matlab

theano的调试普遍觉得难用，个人经验建议以下方法：　　对于语法正确性，可以从最简单的示例模块一点点往上加，哪一步出错很容易发现　　对于算法正确性，可以用numpy建立toy dataset来验证. 添加一个watch当做function的输出，把要监控的变量放到watch里，就可以像matlab一样调试theano啦. (不过就是麻烦了些）

额

如何将theano模块添加到matlab

4，训练语音识别用的LSTM语言模型用theano还是tensorFlow哪个好用

Theano的一个优势在于代码是在计算时生成并编译的，所以理论上可以达到更高的速度（不需要运行时的polymorphism，而且如果写得好的话可以fuse kernel），但是因为是学术实现，没有花大精力在优化上面，所以实际速度并不占优势。另外现在大家都高度依赖于第三方库比如说cudnn，所以比较速度已经是上个时代的事情了，不必太在意。

我不会~~~但还是要微笑~~~：）

5，pythonxy如何安装Theano 我在window系统下安装了pythonxy

虽然，我没有用过Theano，也没有看过deep learning这本书。不过我还是下载了个，帮你试了一下。我在Unofficial Windows Binaries for Python Extension Packages里找到了theano for python2.7，它是个执行文件，执行就可以了。瞌睡来了送枕头。最近2天我正在做一个机器学习的算法。看到你的问题，很好。有空我也去学一学python(x,y)和theano.通常python安装一个包的传统做法，是解压这个包。找到 setup.py然后执行python setup.py install这样就可以解决大部分问题。不过，个别包这样安装不了。你需要安装easy install的包。要安装easy install还要先下载一下ez_setup.py，具体我不说了，它都有提示。你找到了下载安装就可以了。

6，如何评价 Theano

heano 虽然诞生在 LISA lab，但是本身和深度学习没有关系，需求拆分非常到位。为什么会有 Theano？无非是因为一群研究者想用 Python，但是纯用 NumPy/SciPy 太痛苦，得手动推导全部函数再在代码里堆起来。想调用一下库就能得到导数的符号表达式？那得上计算机代数系统，可是当时 SymPy 也出来没两年，注重符号运算本身，与后续的数值计算衔接不太好。于是大家造了些和 SymPy 的功能有关的轮子，并且和数值计算无缝对接，注重性能和数值稳定性。惰性求值，自动在 GPU 上运行，都是以这两点为考量。把这些轮子整理一下就有了 Theano 的原型。Theano 的结构、实现不一定是最优的，但现阶段只有它填补了这一空缺，而且相对成熟，所以大家都用它。它的功能也给 Python 的进一步进化指了一个方向（很多科学计算包在考虑利用 Theano 进行加速），将来的趋势应该是 NumPy、SymPy、Theano 整合到一起，新的 SciPy 构建在这个包之上并保持接口不变。

theano不太好，主要原因是：1. theano 定义 function 时缺乏灵活的多态机制。比方说你需要对同一个数据集实现多个模型做对比实验，你实现两个模型：lstm, lstm-peephole. 这两个模型你会发现很多表达式与变量定义可以通用。只要 inputs 参数有一点不一样，你就需要写一个新的 function. 如果你想实现10个lstm的变种，你就需要写10个对应的function. 然后用 if else 来控制哪个模型与哪个function 相对应，有一个相应的解决办法是搞一个input variable 的并集，然后在统一定义一个 function, 在其中加入 on_unused_input 来标记自动忽略未使用的参数。2. 困难的调试方法由于 theano 的时候是严格遵循三步走战略，即：a.表达式定义 b. 函数编译 c. 主程序调用theano编译好的函数来获得结果。这就导致的传统的测试方法到了 theano 这里变得比较困难。然后编译函数需要一个多小时。由于theano 在表达式定义的时候是不会帮助你去检查你的矩阵相乘、dimshuffle 等操作的时候维度是否对应，你要么等着编译好后跑实际数据看出不出错，要么尝试把中间步骤拆开一步一步构造测试数据排查错误，这其中的工作量可想而知。theano 的结构、实现不一定是最优的，但现阶段只有它填补了这一空缺，而且相对成熟，所以大家都用它。它的功能也给 python 的进一步进化指了一个方向（很多科学计算包在考虑利用 theano 进行加速），将来的趋势应该是 numpy、sympy、theano 整合到一起，新的 scipy 构建在这个包之上并保持接口不变。