mxnet
文章平均质量分 94
xiang_freedom
这个作者很懒,什么都没留下…
展开
-
【MXNet官方教程4】Module - 神经网络训练和预测
训练一个神经网络需要一些步骤。比如指定训练数据的输入,模型参数初始化,执行前向和后向计算,梯度下降并更新参数,模型的保存和恢复等。在预测的时候,这些步骤也需要进行多次。对于初学者和经验丰富的开发者来说,这些都是能让人头疼的问题。幸运的是,MXNet把这些常用的操作模块化在Module包内。Module提供高层和中间层API来操作定义好的网络。我们可以切换使用这些方法,这篇文章将介绍这些方法的使...翻译 2018-03-15 19:33:05 · 2669 阅读 · 1 评论 -
【MXNet官方教程3】Symbol -神经网络图和自动区分
在上一篇教程里,我们介绍了NDArray,MXNet的基本数据操作结构。仅通过NDArray,我们可以计算大部分数学运算。实际上,仅通过NDArray,我们可以定义且训练一个完整的神经网络。NDArray可以在任何前端语言上执行高效的指令式科学计算,所以你可能会疑惑:为什么我们不直接使用NDArray呢?MXNet提供了Symbol API,一个用于符号编程的接口。所谓符号编程,相比于传统的一...翻译 2018-03-15 21:10:11 · 4075 阅读 · 1 评论 -
【MXNet官方教程5】Iterators-加载数据
在这篇教程里,我们关注将数据放入训练或预测模型。大部分MXNet的训练和预测模型支持数据迭代器(Iterators),它简化了数据加载过程,尤其是读取大量数据的时候。这里我们介绍一下API规范和几个定义好的迭代器。先决条件我们需要:MXNetOpenCV Python library, Python Requests, Matplotlib 和 Jupyter Notebook...翻译 2018-03-19 17:18:48 · 2745 阅读 · 0 评论 -
【MXNet常见问题1】怎么创建新运算符(网络层)
这篇教程教你怎么创建新的运算符或网络层。我们尽可能为大多数情况提供了高效的运算符,然而,如果你是研究人员,你很有可能需要自定义网络层,比如新的损失函数。在这种情况下,你有两个选择:用前端语言(比如python)、使用CustomOp创建新运算符,运行在CPU或者GPU上。不同的实现方式,运行速度可能很快(如果你只用mx.nd下的运算符)或者很慢(如果你使用.asnumpy()把数据拷贝出来)...翻译 2018-03-20 16:36:56 · 838 阅读 · 0 评论 -
MXNet im2rec.py使用教程
im2rec.py是MXNet提供的一个将图片转为rec文件的工具。 当训练数据包含大量图片的时候,一次性将所有数据载入内存很容易导致out of memory。使用rec文件和MXNet提供的 ImageRecordIter或ImageIter迭代器,可以按批次读取数据到内存,且读取图片更加简单方便。本文将介绍.lst,.rec文件的生成、多标签文件的处理,ImageRecordIter和Ima...原创 2018-04-09 20:19:41 · 8727 阅读 · 8 评论