Apache MXNet - Python API 模組

---

---

Apache MXNet 的模組 API 類似於一個前饋模型，並且更容易組合，類似於 Torch 模組。它包含以下類：

BaseModule([logger])

它表示模組的基類。模組可以被認為是計算元件或計算機器。模組的任務是執行前向和反向傳遞。它還會更新模型中的引數。

方法

下表顯示了BaseModule 類中包含的方法：

屬性

下表顯示了BaseModule類方法中包含的屬性：

data_shapes：您可以參考https://mxnet.apache.org上的連結以獲取詳細資訊。output_shapes：更多

output_shapes：更多資訊可在https://mxnet.apache.org/api/python找到

BucketingModule(sym_gen[…])

它表示模組的Bucketingmodule類，該類有助於有效地處理長度不同的輸入。

方法

下表顯示了BucketingModule 類中包含的方法：

屬性

下表顯示了BaseModule 類方法中包含的屬性：

data_shapes - 您可以參考https://mxnet.apache.org/api/python/docs以獲取更多資訊。

output_shapes - 您可以參考https://mxnet.apache.org/api/python/docs以獲取更多資訊。

Module(symbol[,data_names, label_names,…])

它表示包裝symbol的基本模組。

方法

下表顯示了Module 類中包含的方法：

屬性

下表顯示了Module 類方法中包含的屬性：

data_shapes：訪問連結https://mxnet.apache.org/api/python/docs/api/module以獲取更多詳細資訊。

output_shapes：此處提供的連結https://mxnet.apache.org/api/python/docs/api/module/index.html將提供其他重要資訊。

PythonLossModule([name,data_names,…])

此類的基類是mxnet.module.python_module.PythonModule。PythonLossModule 類是一個方便的模組類，它將所有或許多模組 API 作為空函式實現。

方法

下表顯示了PythonLossModule類中包含的方法

PythonModule([data_names,label_names…])

此類的基類是mxnet.module.base_module.BaseModule。PythonModule 類也是一個方便的模組類，它將所有或許多模組 API 作為空函式實現。

方法

下表顯示了PythonModule類中包含的方法：

屬性

下表顯示了PythonModule類方法中包含的屬性：

data_shapes - 請訪問https://mxnet.apache.org以獲取詳細資訊。

output_shapes - 有關更多詳細資訊，請訪問https://mxnet.apache.org上提供的連結

SequentialModule([logger])

此類的基類是mxnet.module.base_module.BaseModule。SequentialModule 類也是一個容器模組，可以將兩個以上（多個）模組連結在一起。

方法

下表顯示了SequentialModule類中包含的方法

屬性

下表顯示了BaseModule類方法中包含的屬性：

data_shapes - 此處提供的連結https://mxnet.apache.org將幫助您更詳細地瞭解該屬性。

輸出形狀 - 有關詳細資訊，請訪問 https://mxnet.apache.org/api 提供的連結。

實現示例

在下面的示例中，我們將建立一個mxnet 模組。

import mxnet as mx
input_data = mx.symbol.Variable('input_data')
f_connected1 = mx.symbol.FullyConnected(data, name='f_connected1', num_hidden=128)
activation_1 = mx.symbol.Activation(f_connected1, name='relu1', act_type="relu")
f_connected2 = mx.symbol.FullyConnected(activation_1, name = 'f_connected2', num_hidden = 64)
activation_2 = mx.symbol.Activation(f_connected2, name='relu2',
act_type="relu")
f_connected3 = mx.symbol.FullyConnected(activation_2, name='fc3', num_hidden=10)
out = mx.symbol.SoftmaxOutput(f_connected3, name = 'softmax')
mod = mx.mod.Module(out)
print(out)

輸出

輸出如下所示 -

<Symbol softmax>

示例

print(mod)

輸出

輸出如下所示 -

<mxnet.module.module.Module object at 0x00000123A9892F28>

在下面的示例中，我們將實現前向計算。

import mxnet as mx
from collections import namedtuple
Batch = namedtuple('Batch', ['data'])
data = mx.sym.Variable('data')
out = data * 2
mod = mx.mod.Module(symbol=out, label_names=None)
mod.bind(data_shapes=[('data', (1, 10))])
mod.init_params()
data1 = [mx.nd.ones((1, 10))]
mod.forward(Batch(data1))
print (mod.get_outputs()[0].asnumpy())

輸出

執行上述程式碼時，您應該看到以下輸出 -

[[2. 2. 2. 2. 2. 2. 2. 2. 2. 2.]]

示例

data2 = [mx.nd.ones((3, 5))]

mod.forward(Batch(data2))
print (mod.get_outputs()[0].asnumpy())

輸出

以下是程式碼的輸出 -

[[2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2.]]