Iriving_shu的博客

如何可视化网络神经网络的可视化是十分有用的，对于之前学习caffe的同学来说可以使用 netscope来进行可视化，而对于mxnet来说我们可以使用mxnet自身的函数完成可视化。import mxnet as mxfrom mxnet import gluonnum_hidden = 64net = gluon.nn.HybridSequential()with net.nam...

简介mxnet gluno接口提供 Sequential， HybridSequential 通过 add 串联的形式将构建网络，同时也提供HybridBlock通过继承的方式来构建网络，那么他们之间有什么区别呢？ 1. Sequential构建的是动态图，即命令式编程形式，这种形式可以很方便的debug。例如：net = nn.Sequential()net.add( ...

训练流程import mxnet as mxfrom mxnet.gluon import loss as gloss, nnimport mxnet.gluon as gluonfrom mxnet import autogradimport mxnet.ndarray as ndimport numpy as npimport mxnet.metricclass LeNet...

简介mxnet 提供了自动求导的方法，相比于使用caffe需要自己写反向传播，这可以更加节约我们的时间。求导例如： y = 4 * x^2 x = [[1,2; 3,4]] dy/dx = 8x = [[8,16;24,32]] 使用mxnet自动求导： x = mx.nd.array([[1,2], [3,4]]) x.attach_grad() ...

下面代码是全连接层的实现。可以看到 hybrid_forward 的输入参数为：(self, F, x, weight, bias=None)。F是NDArray或者Symbol.X是输入的值。 我们返现 weight, bias=None 并没有传入，而是通过在__init__里用self.weight = self.params.get(…)以后，这个weight就会自动被传到hybri...