python计算梯度非常简单，最重要的是一个函数grad，这个函数在theano.tensor里边。
这个函数提供了多套机制 1计算单个自变量的梯度 2计算一个数据矩阵的梯度 3计算一个向量的梯度。
针对不同的数据结构返回不同的结果（单个数值，向量，矩阵），顺序是一一对应的。
走到这里感觉python是面向对象的一门语言，具体操作时不是直接操作数值，而是声明变量。在计算表达式的时候直接调用函数，当然函数也需要自己去写。
同时，theano也提供了计算hesse矩阵、雅各比矩阵的函数，具体见：
http://deeplearning.net/software/theano/tutorial/gradients.html
#!/usr/bin/env python # coding=utf-8 import theano from theano import pp import theano.tensor as T x=T.dscalar('x') y=x**2 gygx=T.grad(y,x) pp(gygx) grad=theano.function([x],gygx) print grad(2.344) x=T.dmatrix('x') s=T.sum(1/(1+T.exp(-x))) gsgx=T.grad(s,x) dlogistic=theano.function([x],gsgx) print dlogistic([[2,3],[5,7]])