Shared 變數，意思是這些變數可以在運算過程中，不停地進行交換和更新值。 在定義 weights 和 bias 的情況下，會需要用到這樣的變數。

import numpy as np
import theano
import theano.tensor as T

#---------------------------shared是用來存放變數的，會不斷更新數值---------------------#

state = theano.shared(np.array(0,dtype=np.float64),'state')#用np.array給state賦初值，名字為state
inc = T.scalar('inc',dtype=state.dtype)#定義一個容器，名字為inc，值的型別為state型別，不弄用np.float64
accumulator = theano.function([inc],state,updates=[(state,state+inc)])#定義一個函式，傳過來的數為inc的值，結果為state，更新方法為state加inc

#--------輸出不能使用print（state），而要用state.get_value（）來獲取state中個值---------#

print(state.get_value())#不傳值的話state裡面的值為賦初值裡的值
accumulator(1)#把1傳到累加器裡面去
print(state.get_value())#state的值更新了，變為1
accumulator(10)#把10傳過去
print(state.get_value())#state的值更新了，變為11

#---------------可以用set_value來改變state裡的值----------------------------------------#
state.set_value(-1)
accumulator(3)
print(state.get_value())#輸出值為2

#-------------------------------------臨時使用-------------------------------------------#
#有時只是想暫時使用 Shared 變數，並不需要把它更新： 這時我們可以定義一個 a 來臨時代替 state，注意定義 a 的時候也要統一dtype
tmp_func = state*2 + inc
a = T.scalar(dtype=state.dtype)
skip_shared = theano.function([inc,a],tmp_func,givens=[(state,a)])#忽略掉 Shared 變數自己的運算，輸入值是 [inc,a]，相當於把 a 代入 state，輸出是 tmp_func，givens 就是想把什麼替換成什麼。 這樣的話，在呼叫 skip_shared 函式後，state 並沒有被改變。
print(skip_shared(2,3))#借用了一下share變數state
print(state.get_value())#原始值還是2



 

結果：

來源