问如何在CNTK训练过程中直接访问梯度和修改权重(参数)？

EN

要获得渐变，请参阅grad方法in the docs。要现在更新权重，可以使用.value属性：

>>> w = C.Parameter((2,3), init=C.glorot_uniform())
>>> w.value
array([[-0.80213612, -0.7965923 , -0.10688281],
       [-1.0493834 , -0.32666588,  0.90124035]], dtype=float32)
>>> w.value = w.value + 1
>>> w.value
array([[ 0.19786388,  0.2034077 ,  0.89311719],
       [-0.0493834 ,  0.67333412,  1.90124035]], dtype=float32)

CNTK在其路线图上支持轻松规范用户定义的学习者，这将减少您必须编写的样板代码的数量。预计在2017年3月左右可用。

下面是执行这些操作的tutorial：

如果更新% BATCH_SIZE_BASELINE == 0: episode_number = {W1: gradBuffer‘w1’..astype(np.float32)，W2: gradBuffer‘w2’..astype(np.float32)}episode_number= sgd.update( grads，BATCH_SIZE_BASELINE) #为loss.parameters中的变量重置gradBuffer gradBuffer= dict(( var.name，np.zeros(shape=var.shape)) if var.name in 'W1'，'W2'，'b1'，'b2')