输入是一个大小可变的数组。我只能在train_model中一次处理一个样本。我希望累积批次中各元素的目标总和，然后应用正则化和梯度下降。

目前，这是进行每次元素xi更新的训练阶段。

for epoch in range(n_epochs):
    minibatch_avg_cost = 0
    for xi in dataset.get_next_xi(batch_size):
        minibatch_avg_cost += train_model(xi)
        print(minibatch_avg_cost)

如何获取train_model(xi)在批次中各元素的结果，然后进行更新呢？

回答：

可以使用dataset.get_next_xi(batch_size)中的所有元素作为输入，并创建一个theano函数来计算平均成本（而不是只计算一个成本），然后使用平均成本进行更新。你可以从这里查看示例代码

他们这样使用来自训练模型的theano函数：

train_model = theano.function(
    inputs=[index],
    outputs=cost,
    updates=updates,
    givens={
        x: train_set_x[index * batch_size: (index + 1) * batch_size],
        y: train_set_y[index * batch_size: (index + 1) * batch_size]
    })

其中cost是数据集批次的平均成本