MXNet官方文档中文版教程(4)：神经网络训练和推断（Module）

训练神经网络涉及不少的步骤。我们需要知道如何提供输入训练数据，初始化模型参数，执行前向和后向传播，根据计算的梯度更新权重，模型检查等。在预测过程中，大部分步骤是重复的。 所有这一切对于新手以及经验丰富的开发人员而言都是相当艰巨的。

幸运的是，MXNet的module 包(简写为mod )模块化了用于训练和推断的常用代码。module提供用于执行预定义网络的高级和中级接口。我们可以互换地使用两个接口。 我们将在本教程中展示两个接口的用法。

前提条件

为了完成以下教程，我们需要：

• MXNet：安装教程
• Jupyter Notebook and Python Requests packages.

pip install jupyter requests
 
 
 

 
 
 

  
1
 

准备

在本部分教程中，我们将使用一个十类的多层感知机（MLP）和一个字母识别数据集。

下面的代码下载数据集并创建一个80:20的训练：测试拆分。它还初始化训练数据迭代器，每次返回一批32个训练样本，还为测试数据创建了一个单独的迭代器。

import logging
logging.getLogger().setLevel(logging.INFO)
import mxnet as mx
import numpy as np

fname = mx.test_utils.download('http://archive.ics.uci.edu/ml/machine-learning-databases/letter-recognition/letter-recognition.data')
data = np.genfromtxt(fname, delimiter=',')[:,1:]
label = np.array([ord(l.split(',')[0])-ord('A') for l in open(fname, 'r')])

batch_size = 32
ntrain = int(