mxnet 尝试

  1. 读写NDArrays
    from mxnet import nd
    from mxnet.gluon impor nn
    x = nd.ones(3)
    nd.save('x',x)
    
    x2 = nd.load('x')
    x2

    输出结果为:



     

  2. 下载模型并使用
     
import mxnet as mx
import numpy as np


batch_size = 1
num_batch = 5
# Adding 0.1 to each of the values
eval_data = np.array([[7,2],[6,10],[12,2]])
eval_label = np.array([11.1,26.1,16.1]) 
eval_iter = mx.io.NDArrayIter(eval_data, eval_label, batch_size, shuffle=False)
# load model
sym,arg_params,aux_params = mx.model.load_checkpoint('test', 5)

mod = mx.mod.Module(symbol=sym,context=mx.gpu(),data_names=['data'],label_names=['lin_reg_label'])
mod.bind(for_training=False,data_shapes=[('data', (1, 2))])
mod.set_params(arg_params,aux_params)
# use model
predict_stress = mod.predict(eval_iter, num_batch)
print(predict_stress.asnumpy())
  • batch_size 批尺寸(批处理大小),batch就是每次送入网络中训练的一部分数据,batch_size就是每个batch中训练样本的数量。随着batch_size增大,处理相同数据量的速度越快,达到相同精度所需要的epoch数量越来越多。
  • num_batch
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值