下载掌阅APP，畅读海量书库
立即打开
第1章我们介绍了NumPy，它是数据计算的基础，更是深度学习框架的基石。但如果直接使用NumPy计算大数据，其性能已成为一个瓶颈。
随着数据爆炸式增长，尤其是图像数据、音频数据等数据的快速增长，迫切需要突破NumPy性能上的瓶颈。需求就是强大动力！通过大家的不懈努力，在很多方面取得可喜进展，如硬件有GPU，软件有Theano、Keras、TensorFlow，算法有卷积神经网络、循环神经网络等。
Theano是Python的一个库，为开源项目，在2008年，由Yoshua Bengio领导的加拿大蒙特利尔理工学院LISA实验室开发。对于解决大量数据的问题，使用Theano可能获得与手工用C实现差不多的性能。另外通过利用GPU，它能获得比CPU上快很多数量级的性能。Theano开发者在2010年公布的测试报告中指出：在CPU上执行程序时，Theano程序性能是NumPy的1.8倍，而在GPU上是NumPy的11倍。这还是2010年的测试结果，近些年无论是Theano还是GPU，性能都有显著提高。
这里我们把Theano作为基础来讲，除了性能方面的跨越外，它还是“符合计算图”的开创者，当前很多优秀的开源工具，如TensorFlow、Keras等，都派生于或借鉴了Theano的底层设计。所以了解Theano的使用，将有助于我们更好地学习TensorFlow、Keras等其他开源工具。
至于Theano是如何实现性能方面的跨越，如何用“符号计算图”来运算等内容，本章都将有所涉猎，但限于篇幅无法深入分析，只做一些基础性的介绍。涵盖的主要内容：
·如何安装Theano。
·符号变量是什么。
·如何设计符号计算图。
·函数的功能。
·共享变量的妙用。