chainer - chainer StandardUpdater 迭代器参数

Question

在链接器文档中，它显示在https://docs.chainer.org/en/stable/reference/core/generated/chainer.training.StandardUpdater.html#chainer.training.StandardUpdater

参数： iterator – 训练数据集的数据集迭代器。它也可以是一个将字符串映射到迭代器的字典。如果这只是一个迭代器，则该迭代器以名称“main”注册。

但实际上在chainer的代码中，我发现

def update_core(self):
    batch = self._iterators['main'].next()

这意味着它只使用名为“main”的迭代器字典？

Answer 1

是的，默认情况下StandardUpdater仅使用“主”迭代器。

我认为多重迭代器的功能只有在您定义自己的Updater子类时才有用StandardUpdater。

例如：

import chainer
from chainer import training

class MyUpdater(training.updaters.StandardUpdater):

    # override `update_core`
    def update_core(self):
        # You can use several iterators here!
        batch0 = self.get_iterator('0').next()
        batch1 = self.get_iterator('1').next()

        # do what ever you want with `batch0` and `batch1` etc.
        ...


...

train_iter0 = chainer.iterators.SerialIterator(train0, args.batchsize)
train_iter1 = chainer.iterators.SerialIterator(train1, args.batchsize)

# You can pass several iterators in dict format to your own Updater class.
updater = MyUpdater(
    {'0': train_iter0, '1': train_iter1}, optimizer, device=args.gpu)

请注意，我尚未测试上述代码是否有效。

作为其他参考，DCGAN 示例代码显示了另一个覆盖update_core定义您自己的更新方案的示例（但它也没有使用多个迭代器）。 https://github.com/chainer/chainer/blob/master/examples/dcgan/updater.py#L30