时间戳

首页 > 解决方案 > 在 MXNet 中使用高级 API 时如何将附加数据输入网络

deep-learning - 在 MXNet 中使用高级 API 时如何将附加数据输入网络

问题描述

我正在研究 MXNet 框架，我需要在每次迭代期间将一个矩阵输入到网络中。矩阵存储在外部存储器中，它不是训练数据，它在每次迭代结束时由网络的输出更新。在迭代过程中，必须将矩阵输入到网络中。

如果我使用高级 API，即

model = mx.mod.Module(context=ctx, symbol=sym) ... ... model.fit(train_data_iter, begin_epoch=begin_epoch, end_epoch=end_epoch, ......)

这可以实施吗？

标签： deep-learningmxnet

解决方案

model.fit()不提供您正在寻找的功能。但是，您想要实现的目标在 Apache MXNet 的 Gluon API 中非常容易实现。使用 Gluon API，您可以为训练循环编写 7 行代码，而不是使用单个model.fit(). 这是一个典型的训练循环代码：

for epoch in range(10):
    for data, label in train_data:
        # forward + backward
        with autograd.record():
            output = net(data)
            loss = softmax_cross_entropy(output, label)
        loss.backward()
        trainer.step(batch_size)  # update parameters

因此，如果您想将网络的输出反馈回输入，您可以轻松实现。要开始使用 Gluon，我推荐60 分钟的 Gluon 速成课程。要成为 Gluon 专家，我推荐深度学习 - The Straight Dope书籍以及 MXNet 主网站上的一套综合教程：http: //mxnet.apache.org/tutorials/index.html

推荐阅读