来对最近的Mxnet、Gluon网络和参数存取进行更新。
Gluon是MXnet的高层封装,网络设计简单易用,与Keras类似。随着深度学习技术的普及,类似于Gluon这种高层封装的深度学习框架,被越来越多的开发者接受和使用。
在开发深度学习算法的时候,必然会涉及到网络(symbol)和参数(params)的存储和加载,Gluon模型的存取接口与MXnet略有不同。在MXnet体系中,网络与参数是分离的,这样的设计是有利于迁移学习(Transfer Learning)中参数的复用。
在MXnet体系中,net=symbol+params
1 Mxnet
MXNet中网络和参数是分离的,这两部分需要分别存储和读取。
1.1 symbol
MXnet的网络(symbol)使用json格式存储:
1、创建填充变量data,即vd=mx.symbol.var('data')
2、将填充变量置入网络,即vnet=net_triplet(vd)
3、获取填充之后的网络、转换为json对象,即symbol_json=vnet.to_json()
4、将json对象写入文件,即write_line(json_file,symbol_json)
1.2 parameters
MXnet的参数(parameters)存储比较简单:
(1)在训练过程中,自动调整网络的参数;
(2)在训练过程中,调用网络的save_parameters()函数,即可保存参数,即net.save_parameters(path)
1.3 加载symbol和parameters
MXnet网络和参数的加载方式:
网络(symbol):调用SymbolBlock()创建网络,output是已加载的json结构,input是填充的data变量;
参数(parameters):调用load_parameters()加载参数,params是参数路径,ctx是context,即CPU/GPU环境
实现:
sym = os.path.join(ROOT_DIR, self.config.cp_dir, "sym.json")
params = os.path.join(ROOT_DIR, self.config.cp_dir, "triplet_loss_model_88_0.9934.params")
self.model = gluon.nn.SymbolBlock(outputs=mx.sym.load(sym), inputs=mx.sym.var('data'))
self.model.load_parameters(params, ctx=ctx)
2 Gluon
Gluon相对于MXnet,提供了更加高层的存取方法,简单高效。
2.1 存储
除了MXNet的存储方式之外,Gluon网络提供特定的export()方法,同时支持导出网络和参数:
输入:path是文件前缀;epoch是epoch数,支持训练中多次保存。
输出:[前缀]-symbol.json的网络;[前缀]-[epoch].params
实现
symbol_file = os.path.join(ROOT_DIR, self.config.cp_dir, 'triplet-net')
self.model.export(path=symbol_file, epoch=epoch) # gluon的export
2.2 读取
Gluon支持通过文件前缀(即export()的输出)的方式,加载网络与参数
(1)load_checkpoint(),读取前缀数据:
输入:prefix是前缀,epoch是epoch数
输出: sym是网络,arg_params是权重参数,aux_params是辅助状态;
(2)SymbolBlock(),设置网络结构,与MXNet类似
outputs:已加载的json结构
inputs:填充的data变量
(3) collect_params()参数
权重参数:arg_params
辅助状态:net_params
当加载完成网络和参数之后,就完成了Gluon模型的创建
实现:
prefix = os.path.join(ROOT_DIR, self.config.cp_dir, "triplet-net") # export导出的前缀
sym, arg_params, aux_params = mx.model.load_checkpoint(prefix=prefix, epoch=5)
net = gluon.nn.SymbolBlock(outputs=sym, inputs=mx.sym.var('data')) # 加载网络结构
# 设置网络参数
net_params = net.collect_params()
for param in arg_params:
if param in net_params:
net_params[param]._load_init(arg_params[param], ctx=ctx)
for param in aux_params:
if param in net_params:
net_params[param]._load_init(aux_params[param], ctx=ctx
加载参数的时候会出现前缀不同错误的情况,该情况还在研究中。
|
|