Theano2.1.9-基础知识之条件

来自：http://deeplearning.net/software/theano/tutorial/conditions.html

conditions

一、IfElse vs Switch

• 这两个操作都是在符号变量上建立约束条件
• IfElse 采用 boolean 条件，并且两个变量作为输入。
• Switch t采用 tensor 作为条件，也是两个变量作为输入。 switch 是一个逐元素的操作，所以比ifelse更通用。
• 然而 switch 在两个输出变量上进行评估，而 ifelse 只对一个关于条件的变量进行评估。

Example

from theano import tensor as T
from theano.ifelse import ifelse
import theano, time, numpy

a,b = T.scalars('a', 'b')
x,y = T.matrices('x', 'y')

z_switch = T.switch(T.lt(a, b), T.mean(x), T.mean(y))
z_lazy = ifelse(T.lt(a, b), T.mean(x), T.mean(y))

f_switch = theano.function([a, b, x, y], z_switch,
                    mode=theano.Mode(linker='vm'))
f_lazyifelse = theano.function([a, b, x, y], z_lazy,
                    mode=theano.Mode(linker='vm'))

val1 = 0.
val2 = 1.
big_mat1 = numpy.ones((10000, 1000))
big_mat2 = numpy.ones((10000, 1000))

n_times = 10

tic = time.clock()
for i in xrange(n_times):
    f_switch(val1, val2, big_mat1, big_mat2)
print 'time spent evaluating both values %f sec' % (time.clock() - tic)

tic = time.clock()
for i in xrange(n_times):
    f_lazyifelse(val1, val2, big_mat1, big_mat2)
print 'time spent evaluating one value %f sec' % (time.clock() - tic)

在这个例子中，fElse 操作比Switch花费更少的时间（大约节约一半时间）因为它只计算两个变量中的一个。

>>> python ifelse_switch.py
time spent evaluating both values 0.6700 sec
time spent evaluating one value 0.3500 sec

除非使用了 linker='vm' 或者 linker='cvm' ， ifelse 才会计算两个变量，然后会和switch有着一样的计算时间。尽管连接器当前设置的默认值不是cvm，不过在不久的将来会是的。

没有自动的优化，通过使用广播的标量来替换switch成为ifelse，因为这并不见得总是更快的，见 ticket.

参考资料：

[1]官网：http://deeplearning.net/software/theano/tutorial/conditions.html