06 2020 档案
摘要：一。mxnet优化器主要有三个API组成： 可以看到由初始化、优化器、学习率规划三部分组成。 首先是一个symbol训练demo，同时利用这三个api ： 1）首先建立symbol模型 >>> data = mx.symbol.Variable('data') >>> label = mx.symb
阅读全文
摘要：1. 同时利用limit和union SELECT * FROM ( SELECT * FROM Seq WHERE JULIANDAY('2012-05-25 19:02:00') <= JULIANDAY(TimeP) ORDER BY TimeP LIMIT 50 ) UNION SELECT
阅读全文
摘要：转载地址： SQL的各种连接Join详解 SQL JOIN 子句用于把来自两个或多个表的行结合起来，基于这些表之间的共同字段。 最常见的 JOIN 类型：SQL INNER JOIN（简单的 JOIN）、SQL LEFT JOIN、SQL RIGHT JOIN、SQL FULL JOIN，其中前一种
阅读全文
摘要：1. 对比 pytorch: nn.CrossEntropyLoss() & mxnet: gluon.loss.SoftmaxCrossEntropyLoss() 一般而言默认用法即可：(inputs只是分类器的得分，softmax和log包括在loss里) pytorch： d=np.array
阅读全文
摘要：SymbolBlock ： class mxnet.gluon.nn.SymbolBlock(outputs, inputs, params=None) 继承自类HybridBlock 1. Gluon 加载并定制预训练模型 symbolblock的作用是构建一个symbol block。通常在需要
阅读全文
摘要：mx.symbol.reshape 对于给定输入的array和其shape，可以返回一个含有新shape的一个copy。shape是整形元组类型，可以包含可选的几个负数。 一些维度的可选值有：{0, -1, -2, -3, -4} 1. 维度0的作用是复制输入的该维度到对应输出： data=mx.s
阅读全文
摘要：Hybrid - Faster training and easy deployment 相关内容： Fast, portable neural networks with Gluon HybridBlocks A Hybrid of Imperative and Symbolic Programm
阅读全文
摘要：Gluon包有以下API：只选择高频api介绍。 1. Parameter-参数相关 1）class mxnet.gluon.Parameter(name, grad_req='write', shape=None, dtype=<type 'numpy.float32'="">, lr_mult=
阅读全文
摘要：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', contex
阅读全文
摘要：module或简写为mod，提供一个用于执行Symbol算的中高级接口，可理解为module是执行Symbol定义好的程序的机器。 module.Module接受Symbol作为输入： data = mx.sym.Variable('data') fc1 = mx.sym.FullyConnecte
阅读全文
摘要：Data Parallelism vs Model Parallelism 默认情况下，MXNet使用数据并行在多个设备上划分工作负载。假设有n个device。然后每个device都会收到一份完整模型的副本，并根据1/n的数据对其进行训练。梯度和更新模型等结果通过这些设备进行通信。MXNet还支持模
阅读全文
摘要：Decord Video Reader Example import decord as de from matplotlib import pyplot as plt # using cpu in this example ctx = de.cpu(0) # example video video
阅读全文
摘要：GluonCV 0.6: Embrace Video Understanding Author: Yi Zhu, Applied Scientist at Amazon 视频理解一直是一个趋势性的研究课题，因为分析动态视频可以帮助我们开发更好的计算机视觉算法，从而产生更强的人工智能。然而，视频研究存
阅读全文
摘要：Callback API 用于跟踪epoch期间各种状态的回调函数。主要有6个类： 1. mxnet.callback.module_checkpoint(mod, prefix, period=1, save_optimizer_states=False) [source] 参数： mod：Bas
阅读全文
摘要：Gluon版本微调见这里。基于NDarray，类似于Pytorch动态图。而module版本类似于TF，基于Symbol，用的是静态graph。一般静态图用于快速调试见效果，而静态图效率高，速度快，实际中应更多使用。 本文基于module和symbol。利用imagenet训好的模型来微调calte
阅读全文
摘要：MXNet Data Iterator 本文先就DataBatch、DataDesc、DataIter三个主要用到的类进行介绍，然后引出Mxnet中常见的迭代器。最后介绍一种为通用数据格式设计的数据迭代器DataLoaderIter。 DataBatch MXNet中的数据迭代器Data itera
阅读全文
摘要：API。训练神经网络需要很多步骤。需要指定如何输入训练数据、初始化模型参数、在网络中执行向前和向后传递、基于计算的梯度更新权重、执行模型检查点等。在预测过程中，最终会重复这些步骤中的大多数步骤。对于新手和有经验的开发人员来说，所有这些都是非常令人望而生畏的。幸运的是，MXNet在module（简称m
阅读全文
摘要：mxnet的python api主要有两个包：Gluon api和Module api。gluon api容易上手和debug，更加新手友好。因为gluon主要依赖NDArray包，属于交互式编程，类似于python的array。而Module api主要依赖于Symbol，由于需要构建symbol
阅读全文
摘要：API：gluon中每个Parameters或者Block都有前缀prefix，Parameters的名字由用户指定，Block的名字可以由用户指定或自动生成。 from __future__ import print_function import mxnet as mx from mxnet i
阅读全文
摘要：1. kv = mx.kvstore.create() kvstore主要是解决你的梯度更新是在cpu进行还是gpu进行 kv = mx.kvstore.create("device") ,表示在GPU上计算梯度和更新权重 kv=mx.kvstore.create("local"),表示在cpu上更
阅读全文
摘要：Mxnet的数据（图像和非图像）读取方式太太太多了。基于mxnet的、基于gluon的。 主要是Data iterators很多： 必读api：Iterators - Loading data API给出的数据迭代器：主要是基于io和基于image的两大类： 这么多的数据读取方法，针对图像而言，Mx
阅读全文
摘要：1. getattr函数 英文文档： getattr(object, name[, default])Return the value of the named attribute of object. name must be a string. If the string is the name
阅读全文
