HybridBlock supports forwarding with both Symbol and NDArray
gluon/image_classification.py代码有这么一段:
import mxnet as mx from mxnet.gluon.model_zoo import vision as models ... net = models.get_model('vgg11', context, opt) # 这里得到的是gluon的模型 ... data = mx.sym.var('data') # symbol out = net(data) # 这里把symbol传到了gluon模型里? softmax = mx.sym.SoftmaxOutput(out, name='softmax') mod = mx.mod.Module(softmax, context=context) mx.viz.plot_network(softmax).view() #打印出来symbol模型结构
symbol传到了gluon模型里?深感疑惑,看了一下api发现可以的:
首先是看到get_model方法返回的是gluon.HybridBlock类型:
而HybridBlock是同时支持Symbol和NDArray的!:
所以这么搞是没问题的。
所以这个代码其实有3种训练模式: symbolic(符号式-类似tf)、hybrid(混合式-mx特性)、imperative(交互式-类似pytorch)
if opt.mode == 'symbolic': # 符号式 data = mx.sym.var('data') if opt.dtype == 'float16': data = mx.sym.Cast(data=data, dtype=np.float16) out = net(data) if opt.dtype == 'float16': out = mx.sym.Cast(data=out, dtype=np.float32) softmax = mx.sym.SoftmaxOutput(out, name='softmax') mod = mx.mod.Module(softmax, context=context) train_data, val_data = get_data_iters(dataset, batch_size, opt) mod.fit(train_data, eval_data=val_data, num_epoch=opt.epochs, kvstore=kv, batch_end_callback = mx.callback.Speedometer(batch_size, max(1, opt.log_interval)), epoch_end_callback = mx.callback.do_checkpoint('image-classifier-%s'% opt.model), optimizer = 'sgd', optimizer_params = {'learning_rate': opt.lr, 'wd': opt.wd, 'momentum': opt.momentum, 'multi_precision': True}, initializer = mx.init.Xavier(magnitude=2)) mod.save_parameters('image-classifier-%s-%d-final.params'%(opt.model, opt.epochs)) else: if opt.mode == 'hybrid': # 混合式 net.hybridize() train(opt, context) # 交互式
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】博客园携手 AI 驱动开发工具商 Chat2DB 推出联合终身会员
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· .NET Core 对象分配(Alloc)底层原理浅谈
· 聊一聊 C#异步 任务延续的三种底层玩法
· 敏捷开发:如何高效开每日站会
· 为什么 .NET8线程池 容易引发线程饥饿
· golang自带的死锁检测并非银弹
· 聊一聊 C#异步 任务延续的三种底层玩法
· 上位机能不能替代PLC呢?
· 2024年终总结:5000 Star,10w 下载量,这是我交出的开源答卷
· 一个适用于 .NET 的开源整洁架构项目模板
· .NET Core:架构、特性和优势详解