我有一个关于Theano的概念上简单的问题，但我一直找不到答案（我得承认，尽管花了很多时间在教程上，我仍然不太理解Theano中的共享变量是如何工作的）。
我正在尝试实现一个“反卷积网络”；具体来说，我有一个输入的3阶张量（每个输入是一个2D图像）和一个代码的4阶张量；对于第i个输入，codes[i]代表一组编码词，这些编码词共同编码输入i。
我一直在努力弄清楚如何对这些编码词进行梯度下降。以下是我代码的相关部分：
idx = T.lscalar()pre_loss_conv = conv2d(input = codes[idx].dimshuffle('x', 0, 1,2), filters = dicts.dimshuffle('x', 0,1, 2), border_mode = 'valid')loss_conv = pre_loss_conv.reshape((pre_loss_conv.shape[2], pre_loss_conv.shape[3]))loss_in = inputs[idx]loss = T.sum(1./2.*(loss_in - loss_conv)**2) del_codes = T.grad(loss, codes[idx])delc_fn = function([idx], del_codes)train_codes = function([input_index], loss, updates = [ [codes, T.set_subtensor(codes[input_index], codes[input_index] - learning_rate*del_codes[input_index]) ]])（这里的codes和dicts是共享的张量变量）。Theano对这个不满意，特别是定义
del_codes = T.grad(loss, codes[idx])我得到的错误信息是：theano.gradient.DisconnectedInputError: grad方法被要求计算相对于成本计算图中不存在的变量的梯度，或者仅被非可微算子使用：Subtensor{int64}.0
我猜它想要一个符号变量而不是codes[idx]；但接下来我不确定如何连接所有部分以达到预期效果。我猜我需要将最后一行改为类似于
learning_rate*del_codes) ]])有人能给我一些关于如何正确定义这个函数的建议吗？我觉得我可能错过了关于使用Theano的一些基本知识，但我不确定是什么。
提前感谢！
-@
更新：Kyle的建议非常有效。这是我使用的具体代码
current_codes = T.tensor3('current_codes')current_codes = codes[input_index]pre_loss_conv = conv2d(input = current_codes.dimshuffle('x', 0, 1,2), filters = dicts.dimshuffle('x', 0,1, 2), border_mode = 'valid')loss_conv = pre_loss_conv.reshape((pre_loss_conv.shape[2], pre_loss_conv.shape[3]))loss_in = inputs[input_index]loss = T.sum(1./2.*(loss_in - loss_conv)**2) del_codes = T.grad(loss, current_codes)train_codes = function([input_index], loss)train_dicts = theano.function([input_index], loss, updates = [[dicts, dicts - learning_rate*del_dicts]])codes_update = ( codes, T.set_subtensor(codes[input_index], codes[input_index] - learning_rate*del_codes) )codes_update_fn = function([input_index], updates = [codes_update])for i in xrange(num_inputs): current_loss = train_codes(i) codes_update_fn(i)回答：
总结发现如下：
将grad_var = codes[idx]赋值，然后创建一个新变量，例如：subgrad = T.set_subtensor(codes[input_index], codes[input_index] - learning_rate*del_codes[input_index])
然后调用train_codes = function([input_index], loss, updates = [[codes, subgrad]])
似乎解决了问题。一般来说，我尽量为尽可能多的东西创建变量。有时试图在一个语句中做太多事情会导致棘手的问题，而且以后也难以调试和理解！此外，在这种情况下，我认为theano需要一个共享变量，但如果共享变量是在需要它的函数内部创建的，则会出现问题。
很高兴这对你有用！
