本文详细介绍了MXNet和Gluon中网络与参数的存储及读取方法。在MXNet中，网络和参数是分离的，需要分别使用json格式存储网络结构，并通过`save_params()`保存参数。Gluon提供了更高级的存取方式，包括`export()`方法来同时导出网络和参数。在读取时，Gluon的`load_checkpoint()`可以加载网络与参数。文章还提到了错误处理，当网络与参数前缀不一致时，应确保两者匹配。Gluon在MXNet基础上提供更简洁的接口，降低了深度学习开发难度。
Gluon是MXNet的高层封装，网络设计简单易用，与Keras类似。随着深度学习技术的普及，类似于Gluon这种，高层封装的深度学习框架，被越来越多的开发者接受和使用。
在开发深度学习算法时，必然会涉及到网络（symbol）和参数（params）的存储与加载，Gluon模型的存取接口，与MXNet略有不同。在MXNet体系中，网络与参数是分离的，这样的设计，有利于迁移学习（Transfer Learning）中的参数复用。
本文分别介绍MXNet和Gluon中网络和参数的存取方式。
在MXNet体系中，net = symbol + params。
本文地址：https://blog.csdn.net/caroline_wendy/article/details/80494120
MXNet
MXNet中网络和参数是分离的，这两部分需要分别存储和读取。
网络
MXNet的网络（symbol）使用json格式存储：
- 创建填充变量data，即
mx.sym.var('data')； - 将填充变量置入网络，即
net_triplet(vd)； - 获取填充之后的网络结构，转换为json对象，即
vnet.tojson()； - 将json对象写入文件，即
write_line(json_file, sym_json)。
则，最终的json文件就是MXNet的网络结构。
实现：
vd = mx.sym.var(
最低0.47元/天 解锁文章
1892
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
