我是Theano库的新手，该库用于GPU设备上的深度学习。我注意到有几个内置操作可以支持gpu计算（我想它们是专门以支持gpu的方式编写的）：
import theano.tensor as T
T.sum(), T.neq(), T.argmax(),T.grad()
1.如果我使用python的内置函数sum（）而不是T.sum（，会有什么不同。sum（（）还会工作，但可能会更慢吗？
假设sum（）不适用于gpu计算，那么如果我需要任何在gpu上可行的操作/函数，我需要以这样的方式实现它。例如，我想计算sin（x），其中x是向量或矩阵，并存储在GPU存储器中。是否有任何提示可以实现可以在gpu设备上操作的sin（x）？（这可能不合适或不容易回答）
我很难理解T.grad（）。T.grad如何对任何给定的光滑符号函数进行符号计算？我对此很好奇。
在任何情况下，您都必须使用T.sum(), T.neq(), T.argmax(),T.grad()与T.matrix等其他变量进行符号计算。例如，不能使用内置的sum()。如果你使用theano，你必须遵循theano自己的方法，因为theano使用不同形式的计算来利用gpu的架构。
但是，如果你想使用sum()，你可以用它进行计算，然后创建一个theano.shared变量，在其中存储结果，这样你就可以在运行时将其存储在gpu的内存中。
关于T.grad（），也许你应该问问其他开发者。：）然而，我认为当theano运行时，它可以利用gpu的计算能力，使用实际变量来计算函数的梯度运行时间。我希望这能有所帮助。
很高兴能提供帮助！如果你觉得我的答案对你有用，可以接受。：-）