如何在不使用扫描的情况下在Theano中堆叠矢量？

概述我使用theano.scan创建像这样的上下文的堆叠向量： Y_, scan_updates = theano.scan(fn=lambda *args,**kwargs: T.concatenate(args, axis=0),outputs_info=None, sequences=dict(input = Y_, taps=range(-left_ctx,right_ctx+1))) 扫描似 我使用theano.scan创建像这样的上下文的堆叠向量：

Y_,scan_updates = theano.scan(fn=lambda *args,**kwargs: T.concatenate(args,axis=0),outputs_info=None,sequences=dict(input = Y_,taps=range(-left_ctx,right_ctx+1)))

扫描似乎很慢,这会减慢整个处理过程.
在信号处理中,这是相当标准的 *** 作,所以我考虑创建一个特殊的 *** 作,就这样.
不幸的是,我还需要这个 *** 作的GPU实现和毕业,这对我来说看起来像是一个很长的镜头.
你能踢我正确的方向吗？我已经阅读了扩展theano文档,但仍然没有帮助.

例：

的情况下

left_ctx=right_ctx=1

矩阵：

[[0.0,0.1],[1.0,1.1],[2.0,2.1],[3.0,3.1]]

将被转换为

[[0.0,0.1,1.0,1.1,2.0,2.1,3.0,3.1]]

谢谢
Ĵ

解决方法 所以这个问题可以通过这种方式解决.现在工作.

Y_= T.concatenate([Y_[c:Y_.shape[0]+c-left_ctx-right_ctx] for c in range(left_ctx+right_ctx+1)],axis=1)

总结

以上是内存溢出为你收集整理的如何在不使用扫描的情况下在Theano中堆叠矢量？全部内容，希望文章能够帮你解决如何在不使用扫描的情况下在Theano中堆叠矢量？所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。