问题标签 [mxnet]

当使用 NDArrayIter 启用数据的洗牌时，你知道洗牌是在开始时发生一次，还是数据在每个 epoch 结束时重新洗牌？

非常感谢！

伙计们，我从这个网址下载 resnet-152：http: //data.mxnet.io/models/imagenet-11k/resnet-152/

然后，我尝试以这种方式绘制这个 152 层的 resnet：

但是，输出的 pdf 文件是空的。我可以绘制 LeNet、AlexNet 和 VGG，但是 resnet 有什么问题？非常感谢。

Rscript.exe在使用包执行R脚本后没有关闭控制台就挂起mxnet。任何人都可以建议在执行后关闭控制台

我有训练过 tensorflow 的模型。我可以在仅转发模式下使用 mxnet 来运行这些吗？ https://github.com/dmlc/nnvm说这在将来应该是可能的，但是今天可以提供支持吗？

我想重现一个循环神经网络，其中每个时间层后面都有一个 dropout 层，这些 dropout 层共享它们的掩码。这种结构在循环神经网络中 Dropout 的理论基础应用中有所描述。

据我对代码的理解，在 MXNet 中实现的循环网络模型在时间层之间没有应用任何 dropout 层；（R API，Python API ）等函数的dropout参数实际上定义了输入的dropout。因此，我需要从头开始重新实现这些功能。lstm

但是，Dropout 层似乎并没有采用将 mask 定义为参数的变量。

是否可以在计算图的不同位置创建多个 dropout 层，但共享它们的掩码？

我在 linux mint 中安装了 mxnet。我将 anaconda 用于 python 3.5。我按照说明安装成功。mxnet 和 anaconda 都是最新版本。但是，当我尝试代码时：

我得到了错误：

AttributeError：模块“mxnet”没有属性“nd”

如果我输入mx，我得到：<module 'mxnet' (namespace)>

重复安装并检查脚本后，我看到mxnet安装在python 2.7下，graphviz也在python 2.7下。如何将它们更改为 python 3.5？

我有一个包含 4 列的 CSV 文件。3 个输入和 1 个输出。已经正常化了。我可以使用 nnet 和神经网络来训练具有 3 个输入、3 个隐藏层、每个具有 3 个节点和一个输出的网络。有用。

我想对 MXNET 做同样的事情，但是在进行回归时，“FullyConected”的参数必须隐藏 = 1。任何其他值只会引发错误消息。

如何构建一个网络作为标题或此图像中的网络？

神经网络图

这是代码：

这是错误消息：

输入数据（3 个节点）

输出数据（1 个节点）

我意识到我可以制作自己的模块/优化器来做到这一点，但是可以告诉现有的 mxnet 模块只优化变量的子集吗？

按照同样的思路，模块如何确定要优化的符号？例如，与 MXNet 中的 tensorflow 不同，要优化的数据和变量都只是“变量”符号，但不知何故，MXNet 只影响实际变量的 NDArray，而不影响数据 NDArray。它是如何检查的？它使用命名约定吗？如果是这样，那是什么约定？（名称中包含“数据”的任何符号都未优化？）

我希望将此处可用的现有预训练 mxnet 模型之一转换为完全卷积模型。

这意味着能够输入任意大小的图像、指定步幅并获得完整的输出。例如，假设模型是在 224x224x3 图像上训练的。我想输入一个 226x226x3 的图像并指定 stride=1，以获得 3x3xnum-classes 输出。我不是在“理论上”问，而是在问一个示例代码:-)

谢谢！

在多层感知器小节下，文档说权重矩阵的维度为 m k。但是，我认为它应该是 k m，因为输出层-Y 的维度为 n * k。

我的理解正确吗？