Theano - Fazit

Die Modellbildung für maschinelles Lernen umfasst intensive und sich wiederholende Berechnungen mit Tensoren. Diese erfordern intensive Rechenressourcen. Da ein regulärer Compiler die Optimierungen auf lokaler Ebene bereitstellen würde, erzeugt er im Allgemeinen keinen schnellen Ausführungscode.

Theano erstellt zunächst einen Berechnungsgraphen für die gesamte Berechnung. Da das gesamte Bild der Berechnung während der Kompilierung als einzelnes Bild verfügbar ist, können während der Vorkompilierung verschiedene Optimierungstechniken angewendet werden, und genau das tut Theano. Es strukturiert den Rechengraphen neu, konvertiert ihn teilweise in C, verschiebt gemeinsam genutzte Variablen in die GPU usw., um einen sehr schnell ausführbaren Code zu generieren. Der kompilierte Code wird dann von einem Theano ausgeführtfunctionDies dient lediglich als Hook zum Einfügen des kompilierten Codes in die Laufzeit. Theano hat sich bewährt und ist sowohl in der Wissenschaft als auch in der Industrie weit verbreitet.