Python深度学习：Theano入门教程

在当今数据驱动的世界中，深度学习已成为解决复杂问题的有力工具。而Theano，作为Python中最早的深度学习库之一，以其高效的计算能力和灵活性，吸引了无数开发者的目光。本文将带你走进Theano的世界，探索其基础用法及在深度学习中的应用。

Theano简介

Theano是一个Python库，允许你定义、优化和评估数学表达式，尤其擅长处理多维数组。它由蒙特利尔大学的LISA实验室开发，广泛应用于机器学习和深度学习领域。

安装Theano

首先，确保你的Python环境已准备好。通过pip安装Theano：

pip install Theano

基础用法

定义变量

在Theano中，变量通过TensorType定义：

import theano
import theano.tensor as T

x = T.scalar('x')
y = T.scalar('y')

定义表达式

接下来，定义一个简单的加法表达式：

z = x + y

编译和运行

add = theano.function(inputs=[x, y], outputs=z)
result = add(1, 2)
print(result)  # 输出: 3

进阶应用：构建简单神经网络

定义网络结构

import theano
import theano.tensor as T
import numpy as np

# 定义输入和输出
x = T.matrix('x')
y = T.vector('y')

# 定义权重和偏置
W = theano.shared(np.random.randn(10, 1), name='W')
b = theano.shared(np.zeros(1), name='b')

# 定义前向传播
prediction = T.nnet.sigmoid(T.dot(x, W) + b)

# 定义损失函数
loss = T.mean(T.nnet.binary_crossentropy(prediction, y))

# 定义梯度下降
learning_rate = 0.01
gW, gb = T.grad(loss, [W, b])
updates = [(W, W - learning_rate * gW), (b, b - learning_rate * gb)]

# 定义训练函数
train = theano.function(inputs=[x, y], outputs=loss, updates=updates)

## 实战演练

假设我们有一组简单的数据，用于训练我们的神经网络：

```python
# 生成模拟数据
X_train = np.random.randn(100, 10)
y_train = np.random.randint(0, 2, size=(100, 1))

# 训练模型
for i in range(1000):
    loss = train(X_train, y_train)
    if i % 100 == 0:
        print(f'Epoch {i}, Loss: {loss}')