xiaotao_1的博客

我们希望训练好之后的模型，可以保存下来，然后需要预测新数据的时候，就可以拿来用，可以这样做。 　　我们以线性回归的例子来讲： 　　1，训练并保存模型。import mxnet as mximport numpy as npimport logginglogging.getLogger().setLevel(logging.DEBUG)# Training datatrain_data =

1，官方文档 2，官方文档中文版，翻译得相当不错。 3，中文论坛 4，李沐大神的课程，强烈推荐认真看一遍。 5，待补充。

>>> import mxnet.ndarray as nd>>> x = [[1,1],[2,2]]>>> y = [[3,3],[4,4],[5,5]]>>> z = [[6,6], [7,7],[8,8]]>>> nd.concat(x,y,z,dim=0) # 按照一维拼接，相当

　　完整报错如下：UserWarning: Gradient of Parameter bisruaudio0_dense0_weight on context gpu(0) has not been updated by backward since last step. This could mean a bug in your model that maked it only use a...

1，常规用法。>>> import mxnet.ndarray as nd>>> a = nd.reshape(nd.arange(12), shape=(3, 4)) # shape=(3,4)可直接写（3,4），不过我喜欢把实参名标上。>>> a[[ 0. 1. 2. 3.] [ 4. 5. 6. ...

　　shuffle中文意思是洗牌，在各大机器学习框架中都有他的身影。这里主要讲在mxnet利用shuffle参数进行相邻批量采样和随机批量采样。 　　相邻批量采样：一般用在对数据顺序比较依赖的情况，如RNN等网络。 　　随机批量采样：用在对顺序无所谓的情况下，能够加快训练速度，如CNN，DNN等网络。 　　 　　１，shuffle=False，表示不洗牌，即进行相邻批量采样，一般都是默...

官方文档如下：activation='relu'可见默认的激活层为reluclass mxnet.gluon.rnn.RNN(hidden_size, num_layers=1, activation='relu', layout='TNC', dropout=0, bidirectional=False, i2h_weight_initializer=None, h2h_weight_ini...

　　1， 数据要设置在gpu上存储，如：a = nd.array([1,2,3], ctx=mx.gpu())　　2，不只是第一次权重初始化的时候需要设置ctx，在后来每次调用intialize()函数的时候也要设置ctx，具体设置如下：net.collect_params().initialize(force_reinit=True, ctx=mx.gpu())　　3，i...

　　1，如果我们不设置这个参数，同样的产生随机数的命令，两次运行结果不一样。例如：import mxnet as mx>>> print(mx.nd.random.normal(shape=(2,2)).asnumpy())[[ 1.36481571 -0.62203991] [-1.4962182 -0.08511394]]>>> print...

　　它有这些参数。mxnet.ndarray.one_hot(indices=None, depth=_Null, on_value=_Null, off_value=_Null, dtype=_Null, out=None, name=None, **kwargs)　　解释一下重要的参数：indices (NDArray) ： 要转化为one—hot的数据。depth (int, ...

1，二者都是用来在设备间传递数据的，比如gpu上的数据传到cpu上。 2，主要区别是，如果源和目标的context一致，as_in_context不复制，而copyto总是会新建内存。>>> import mxnet as mx>>> import mxnet.ndarray as nd>>> y = nd.array([1, 2, ...

　　代码如下：from mxnet.gluon import nnfrom mxnet import nddef get_net(): net = nn.Sequential() with net.name_scope(): net.add(nn.Dense(4, activation="relu")) net.add(nn.Dens...

　　在运行mxnet的线性回归例子时，出现报错：ZeroDivisionError: float division by zero 　　解决： 　　把model.fit(train_iter, eval_iter, optimizer_params={'learning_rate':0.005, 'momentum': 0.9}, num...

>>> import mxnet as mx>>> >>> a = mx.sym.Variable('data')>>> b = mx.sym.FullyConnected(data=a,name='fc1',num_hidden=100)>>> data_shape = {'data':(2

如果learning rate很大，算法会在局部最优点附近来回跳动，不会收敛； 　　如果learning rate太小，算法每步的移动距离很短，就会导致算法收敛速度很慢。 　　所以我们可以先设置一个比较大的学习率，随着迭代次数的增加慢慢降低它。mxnet中有现成的类class，我们可以直接引用。 　　这里有三种mxnet.lr_scheduler。 　　第一种是：mxnet.lr_sched

momentum是mxnet包中SGD（随机梯度下降）优化器的一个参数。它是用来更新SGD优化器权值的。具体如下：rescaled_grad = lr * rescale_grad * clip(grad, clip_gradient) + wd * weightstate = momentum * state + rescaled_gradweight = weight - state　　参考

这是因为我的mxnet版本过低导致的。解决办法有两个，一个是升级版本，一个是把random去掉，如：mx.nd.random.uniform(0, 1) 改为 mx.nd.uniform(0, 1)

这次我们先把mnist数据集从http://yann.lecun.com/exdb/mnist/下载好了，然后利用mx.io.MNISTIter来包装数据，进而用来训练cnn。 代码如下：import mxnet as mximport osimport logginglogging.getLogger().setLevel(logging.DEBUG)# Training data# l

出现 AttributeError: module 'mxnet.test_utils' has no attribute 'get_mnist' 这个报错，主要是因为mxnet版本过低，有两个解决办法。 1，升级mxnet版本。2，不升级版本，利用mxnet.io.MNISTIter来加载数据。步骤如下： 　　（1），先去http://yann.lecun.com/exdb/mni

问题1：要下载的模型比较大，可以手动去http://data.mxnet.io/models/imagenet-11k/下载，然后把resnet-152-0000.params； resnet-152-symbol.json； synset.txt放到该.py文件所在的文件夹。 　　问题2：import cv2 .但是有的人没有装这个，参考http://blog.youkuaiyun.com/xiaotao_

出现这样的报错，是说卷积核的大小超过了输入数据的大小。比如我输入数据为（100,1,10,10），经过第一层卷积层（卷积核大小为（5,5））后，数据变成（100,1,6,6）。然后经过第一次Pooling层，数据变成（100,1,3,3）。如果此时再经过第二卷积层（卷积核大小还是（5,5）），就会报错。解决办法：把卷积核改小一点，或者只要一层卷积，或者把数据规模整大。...

mxnet中的HybridBlock只接受Symbol和NDArray数据，如果你送入的是numpy.ndarray或者list数据，就会报如上的错误。解决办法：把数据变为NDArray就行了。>>> import mxnet as mx>>> import numpy as np>>> data = np.arange(5)&g...

import numpy as npfrom mxnet import nd# numpy.ndarray 变 mx.NDArraynp_val = np.array([1, 2, 3])nd_val = nd.array(np_val) # 深复制# NDArray 变 numpy.ndarraynp_val_ = nd_val.asnumpy()

word_embed = mx.sym.Embedding(data=seq, input_dim=vocab_size, output_dim=num_embed, name='seq_embed') 　　 改为：word_embed = mx.sym.Embedding(data=mx.sym.BlockGrad(seq), input_dim=vocab_size, output_d...

mxnet.io.NDArrayIter(data, label=None, batch_size=1, shuffle=False, last_batch_handle='pad', data_name='data', label_name='softmax_label')　　看这里，我们了解到，mxnet.io.NDArrayIter的label_name参数默认是softmax_labe...

　　1，利用print(net)。就能看到net网络具体每层的参数。 　　 　　2，利用mx.viz.plot_network(net).view()。这个能具体出pdf图像，不过要先转成sym编程才行。如何转见这里　　举个栗子：import mxnet as mxfrom mxnet.gluon import nnclass Net(nn.HybridBlock): ...