CNTK C++接口中Function::Forward和Trainer::TrainMinibatch的区别
CNTK（Microsoft Cognitive Toolkit）是微软开发的一个深度学习框架，提供了多种编程接口，包括C++接口。在CNTK C++接口中，Function::Forward和Trainer::TrainMinibatch是两个不同的函数，分别用于前向传播和训练模型。
- Function::Forward：
- 概念：Function::Forward是CNTK中的一个函数，用于执行前向传播操作。前向传播是神经网络中的一个过程，通过将输入数据从输入层传递到输出层，计算模型的输出结果。
- 分类：前向传播是神经网络训练过程中的一步，属于模型推理的阶段。
- 优势：Function::Forward的优势在于它可以快速计算模型的输出结果，用于预测或推断阶段。
- 应用场景：Function::Forward适用于各种需要使用已经训练好的模型进行预测的场景，例如图像分类、语音识别等。
- 推荐的腾讯云相关产品和产品介绍链接地址：腾讯云提供了深度学习相关的产品和服务，例如AI Lab、GPU云服务器等，可以在这些平台上使用CNTK进行模型的前向传播操作。
- Trainer::TrainMinibatch：
- 概念：Trainer::TrainMinibatch是CNTK中的一个函数，用于执行模型的训练操作。训练是神经网络中的一个过程，通过反向传播算法不断调整模型参数，使得模型能够更好地拟合训练数据。
- 分类：训练是神经网络训练过程中的一步，属于模型训练的阶段。
- 优势：Trainer::TrainMinibatch的优势在于它可以自动计算损失函数的梯度，并根据梯度更新模型参数，实现模型的训练过程。
- 应用场景：Trainer::TrainMinibatch适用于各种需要使用训练数据进行模型训练的场景，例如图像分类、语音识别等。
- 推荐的腾讯云相关产品和产品介绍链接地址：腾讯云提供了深度学习相关的产品和服务，例如AI Lab、GPU云服务器等，可以在这些平台上使用CNTK进行模型的训练操作。
总结：Function::Forward用于执行前向传播操作，计算模型的输出结果；Trainer::TrainMinibatch用于执行模型的训练操作，通过反向传播算法调整模型参数。两者在神经网络训练过程中扮演不同的角色，分别用于模型推理和模型训练阶段。腾讯云提供了相关的产品和服务，可以支持CNTK的使用。
相关·内容
我使用的是CNTK.GPU v2.2.0，并使用以下方法保存了模型：
model.Save(modelFilePath);
现在，我想再次加载它，例如继续培训或只是评估样本。我可以看到两种方法这是可能的。单方可行，但不可行。第二个不起作用。
我再次从头开始构建整个神经网络结构，然后调用以下方法：
model.Restore(modelFilePath)；
事实上，这是可行的。
我使用以下静态方法创建我的模型：
Function.Load(modelFilePath，DeviceDescriptor.GPUDevice(0))；
这不管用。
在这些操作之后，我只是为模型创
浏览 0提问于2017-10-19得票数 4
回答已采纳
我的Nvidia Geforce 960M有2GB的专用图形内存。但是，当我尝试运行示例(CNTK-Samples-2-4\Examples\Image\TransferLearning)，时，会得到以下CUDA内存分配错误：
回溯(最近一次调用)：文件"TransferLearning.py"，第217行，在max_epochs，freeze=freeze_weights中)文件"TransferLearning.py"，第130行，train_model trainer.train_minibatch(数据)# update模型中的it文件freeze=f
浏览 0提问于2018-03-21得票数 0
我正在运行CIFAR10的一个变体，以利用我的数据。
我得到以下错误：
Traceback (most recent call last):
File "CNTK_Train.py", line 158, in <module>
checkpoint_path = "C:/projects/RoboLabs/CognitiveServices/ML_Models/DocSuite/Doc_Classify/checkpoints/CNTK_VGG9")
File "CNTK_Train.py", line 80, in
浏览 0提问于2017-01-04得票数 0
回答已采纳
我正在测试训练Emotion FerPlus情感识别模型。训练出现cuDNN failure 8: CUDNN_STATUS_EXECUTION_FAILED错误。我正在使用Nvidia GPU TitanRTX 24G。然后更改minibatch_size from 32 to 1。但是仍然有错误。我使用的是CNTK-GPU docker。完整的错误消息如下 About to throw exception 'cuDNN failure 8: CUDNN_STATUS_EXECUTION_FAILED ; GPU=0 ; hostname=d9150da5d531 ; expr=c
浏览 40提问于2020-10-29得票数 1
回答已采纳
1回答
我正在尝试将FCN培训从BrainScript转移到C++计划。首先，我只是加载并重新训练一个现有的模型。我正在做一些事情，但是TrainMinibatch()抛出了一个异常(我也不知道如何获得异常的描述)。粗略的代码如下：
CNTK::DeviceDescriptor& device= CNTK::DeviceDescriptor::GPUDevice(gpuid);
FunctionPtr rootFunc = nullptr;
try {
rootFunc = Function::Load(modelname, device);
}
catch (char *err)
浏览 0提问于2018-03-15得票数 1
我正在使用Keras和CNTK(后端)
我的代码是这样的：
def run_han(embeddings_index, fname, opt)
...
sentence_input = Input(shape=(MAX_SENT_LENGTH,), dtype='int32')
embedded_sequences = embedding_layer(sentence_input)
l_lstm = Bidirectional(GRU(GRU_UNITS, return_sequences=True, kernel_regularizer=l2_
浏览 2提问于2017-11-05得票数 5
回答已采纳
我想知道如何为CNTK网络建模提供输入变量，并像给定的那样对模型进行培训
由于我有两个自变量和三个目标变量，所以X和Y是形状的：
X["train"].shape
Out[60]: (34567, 10, 2, 1)
Y["train"].shape
Out[61]: (34567, 3, 1)
我给了time_steps和time_shift 10。
N = 10 ### Specify the internal-state dimensions of the LSTM cell which is 10
def create_model(x):
w
浏览 0提问于2018-01-24得票数 1
我有一个LSTM网络，使用EasyCNTK C#使用CNTK 2.7中的2000个神经元，它与CPU和Gigabyte NVidia RTX 2060 6gb一起工作很好，但是对于Gigabyte NVidia RTX 3060 12 6GB，如果将神经元数量增加到512个以上(在两张卡上都使用相同的NVidia驱动程序版本461.72 )，就会出现这个错误。
这是我的神经网络配置
int minibatchSize = 8;
int epochCount = 10;
int inputDimension = 10200;
var device = Device
浏览 4提问于2021-03-13得票数 1
回答已采纳
1回答
我正在尝试使用CNTK的C++接口来实现在线学习。在阅读单元测试的源代码和CNTKLibrary.h头文件时，我只看到了用于训练模型的Trainer.TrainMinibatch方法。此方法是否可用于传递单个输入-输出数据点？如果可能，最简单的方法是什么？
我尝试使用CNTK::Value::CreateSequence方法来创建一个序列，然后我想在TrainMinibatch函数中使用它，但它的工作方式与我预期的不同：
我尝试将以下python代码移植到C++：
num_hidden_layers = 2
num_output_classes = 2
input_dim = 1
hidden
浏览 4提问于2017-09-04得票数 3
我希望使用像matthews_corrcoef这样的分类度量作为使用CNTK构建的神经网络的度量。到目前为止，我能找到的方法是通过传递预测和标签来计算值，如下所示
matthews_corrcoef(cntk.argmax(y_true, axis=-1).eval(), cntk.argmax(y_pred, axis=-1).eval())
理想情况下，我希望在构建网络时将指标传递给trainer对象。其中一种方法是创建自己的自定义指标，并将其传递给trainer对象。虽然可能，但能够重用其他库中已经存在的指标会更好。
浏览 0提问于2018-04-02得票数 1
在将使用Keras+Tensorflow后端完成的图像分割代码迁移到Keras+CNTK后端时，我遇到了一些问题。代码在TF后端运行得很好，但却与CNTK崩溃。
这个模型是受启发的。
模型输入定义为inputs = Input((img_width, img_height, num_channels))，其中num_channels = 1。
错误来自于试图拟合模型的行：model.fit(X_train, Y_train, epochs=trainingEpochs, verbose=2, shuffle=True, validation_data=(X_val, Y_val), callb
浏览 0提问于2017-08-31得票数 2
回答已采纳
1回答
极基本神经网络不学习
、、、
我已经阅读了一些CNTK教程，我正在尝试编写一个非常基本的一层神经网络，它可以计算一个逻辑和。我有有效的代码，但是网络没有学习--事实上，随着每一次小批量的训练，损失越来越严重。
import numpy as np
from cntk import Trainer
from cntk.learner import sgd
from cntk import ops
from cntk.utils import get_train_eval_criterion, get_train_loss
input_dimensions = 2
# Define the training set
inpu
浏览 1提问于2016-11-11得票数 2
回答已采纳
我按照这个中的说明在cntk中使用VSCode。
但是得到了这个错误：
Traceback (most recent call last):
File "c:\DebugLabs\VSCodeProjects\TestPython\experiment_1.py", line 6, in <module>
from cntk import Trainer, cntk_device, StreamConfiguration, learning_rate_schedule, UnitType
ImportError: cannot import name &
浏览 0提问于2017-01-08得票数 0
我正在使用CNTK Python API解决视频/图像序列输入的回归问题。输入数据是具有(此时)固定minibatch_size = 1、sequence_length =3且仅1个通道的(minibatch_size x sequence_length x通道x高度x宽度)-tensor。输出数据是具有完全相同序列长度的(minibatch_size X sequence_length X num_landmarks)张量。然后，CNN+LSTM网络分析一个视频帧并输出26个地标。我的网络定义如下：
def create_network_definition(model_func):
浏览 1提问于2017-03-30得票数 0
1回答
在CNTK有多个输出层的情况下，一个训练应该有多个训练器吗？ List<Learner> learnersA = new List<Learner>() { Learner.SGDLearner(OutputLayerOne.Parameters(), learningRate) };
List<Learner> learnersB = new List<Learner>() { Learner.SGDLearner(OutputLayerTwo.Parameters(), learningRate) };
Trainer trainerA
浏览 19提问于2019-04-11得票数 1
什么是最好的方法来存储培训师和所有必要的组件？
1.存储：
存储的检查点:使用它的trainer.save_checkpoint(filename, external_state={})函数
另外，分别存储模型:使用z.save(filename)方法，每个cntk操作都有。您还可以获得z = trainer.model。
2.重新加载：
恢复模型:使用C.load_model(...)。(不要被Cntk 1中不推荐的持久化命名空间所迷惑。)
从恢复的模型中获取输入。
恢复训练器本身:使用trainer.restore_from_checkpoint作为例。显示。问
浏览 4提问于2017-12-07得票数 0
回答已采纳
2回答
我们刚刚开始了一个利用CNTK来创建二进制分类器的项目。
我们的数据集如下所示：
|attribs 1436000 24246.3124164245 |isMatch 1
|attribs 535000 21685.9351529239 |isMatch 1
|attribs 729000 8988.24232231086 |isMatch 1
|attribs 436000 4787.7521169184 |isMatch 1
|attribs 110000 38236394.456649 |isMatch 0
|attribs 808000 39512500.9870238 |isMatc
浏览 4提问于2017-08-10得票数 1
我正在尝试从CNTKLibrary.h反向工程CNTK for C++ (因为没有官方文档)。
我做了一个RNN网络(主要是通过单元测试源代码)，它似乎可以工作(至少现在没有编译或运行时错误！)
在单元测试源代码中，我看到他们使用Function::Forward和Function::Backward来计算"trainingLoss“和"predection"，但我还发现通过使用Python示例，我可以使用相关的学习器优化器(FSAdaFradLearner)创建”训练器“，然后在该poinetr上调用"TrainMinibatch”。
现在我的问题是，哪种方法
浏览 13提问于2017-12-27得票数 0
回答已采纳
我在matlab中创建了一个文件。我在python负载中很好地使用了它：
import cntk as C
z = C.Function.load("Net.onnx", format=C.ModelFormat.ONNX)
在c++中，我有异常Selected CPU as the process wide default device.
即将抛出异常：
“'Gemm:无效形状，输入A和B为rank=2矩阵”
我使用了进口的nuget：CNTK.CPUOnly CNTK.Deps.MKL CNTK.Deps.OpenCV.Zip
#include <s
浏览 1提问于2018-09-16得票数 0
我从CNTK的培训师/进度作者那里得到输出，告诉我我的准确率> 99%，而实际上它是0.5%左右。根据标准，这确实意味着损失，但我知道我不知何故不正确地使用CNTK的培训师/损失功能并不令我惊讶。
下面是示例的示例输出(与我的模型不同，但产生了类似的效果)：
-------------------------------------------------------------------
Finished Epoch[1 of 20]: [Training] loss = 2.302585 * 100, metric = 48.10% * 100 0.802s (124.7 samp
浏览 1提问于2018-07-01得票数 1
回答已采纳
我在CNTK中调用trainer.restore_from_checkpoint时遇到了以下异常。
“此”函数与从检查点恢复的函数不等效(同构)。
我的恢复代码如下。它们与创建训练器和通过trainer.dnn保存trainer.save_checkpoint("trainer.dnn")的结构相同，如所提到的。
def evaluate(reader, model):
criterion = create_criterion_function(model)
criterion.replace_placeholders({criterion.placeh
浏览 0提问于2017-01-21得票数 1
我正在尝试创建一个简单的卷积，从一个224 * 244 *3图像到56 * 56 *3张量，我想要与另一个图像进行比较。
为此，我创建了一个复合阅读器
scale = ImageDeserializer.scale(width=224,
height=224,
channels=3,
scale_mode="pad",
pad
浏览 9提问于2017-03-02得票数 0
1回答
我偶然发现了这个，它使用Longformer执行文本分类。我看到了这两个链接-- 和，它们讨论在数据不平衡时使用类权重。
# instantiate the trainer class and check for available devices
trainer = Trainer(
model=model,
args=training_args,
compute_metrics=compute_metrics,
train_dataset=train_data,
eval_dataset=test_data
)
device = 'cuda&
浏览 5提问于2022-02-03得票数 2
我正在使用一个宠物例子来优化与软加法连接的致密层的参数，并输出负二项分布的参数。我的过程是：
1)使用前后向方法为负日志似然损失构建一个自定义类。它作为输入获取分布参数和目标，并输出损失(在目标上评估建模的分布的负日志可能性)：
from scipy.special import gamma, digamma, binom
from cntk.ops.functions import UserFunction
import numpy as np
class NegBin_Loss_Deep_NoSP(UserFunction):
def __init__(self, dis_par
浏览 5提问于2019-10-04得票数 1
回答已采纳
1回答
我已经安装了cntk 2.6版，并且正在尝试运行以下脚本：
print("Before Trainer")
trainer = C.Trainer(model, (cross_entroy, error), [sgd(model.parameters, lr=lr_per_minibatch)], [progress_printer])
print("After Trainer")
下面的脚本只打印"Before Trainer"消息，然后代码停止执行。C.Trainer类实例化下面的代码不会运行，脚本会停止。下面是整个脚本的结果：
谢谢你
浏览 4提问于2018-12-18得票数 0
我已经用BrainScript训练了我的模型，现在我想在C++项目中使用它。我从复制了所有相关函数。我链接了CNTK.Core和CNTK.Math库，并按照描述的设置了它们的搜索路径。我当然包括CNTKLibrary.h. h。当我构建该项目时，编译器会给出以下错误：
未定义的对“`CNTK：：变量：：const”的引用
它指的是这一行：
if (it->Name().compare(varName) == 0)
函数的EvalMultithreads.cpp函数bool GetVariableByName，并且：
未定义的`CNTK::Function::LoadModel(
浏览 1提问于2017-05-17得票数 0
回答已采纳
1回答
这是我当前使用CNTK模块进行python神经网络训练的python代码的一部分
batch_axis = C.Axis.default_batch_axis()
input_seq_axis = C.Axis.default_dynamic_axis()
input_dynamic_axes = [batch_axis, input_seq_axis]
input_dynamic_axes2 = [batch_axis, input_seq_axis]
input = C.input_variable(n_ins, dynamic_axes=input_dynamic_axes, dty
浏览 10提问于2017-07-14得票数 0
我有一个经过训练的模型，我正在使用CNTK.load_model()函数加载它。我把CNTK git上的作为模型评估代码的参考。我创建了一个数据读取器(这是一个MinibatchSource对象)，并尝试运行model.eval(mb)，其中mb = minibatch_source.next_minibatch(...) (类似于)
但是，我收到以下错误消息
Traceback (most recent call last):
File "LID_test.py", line 162, in <module>
test_and_evalua
浏览 8提问于2017-03-07得票数 1
我以前在CNTK中训练过一个模型。我使用Brainscript来做这件事。我还没有在CNTK中使用过Python。现在，我在2.3版中看到了有趣的NetOpt，我想尝试使用它来减小模型的大小。它看起来像使用NetOpt，其中一个需要使用Python --对吗？如果是这样(或者即使不是)，我是否可以加载到我现有的模型中，使用NetOpt来减小它的大小，然后像我已经做的那样运行它(用C++求值)？
浏览 17提问于2018-03-05得票数 1
1回答
我创建了一个名为CustomFunc的自定义函数，如下所示：
如果我按照这篇文章的建议使用它，它就会奏效：
model = cntk.user_function(CustomFunc(prev_node))
这样做很好，模型运行时没有任何问题。我的问题是，我想在cntk.layers.Sequential调用和cntk.layers.Recurrence调用中使用这个函数。要做到这一点，我需要用另一个函数构造函数的组合，然后将其放入顺序调用或递归调用中。现在，我使用一些占位符，即我所做的是：
customFunToUse = cntk.user_function(CustomFunc(cntk
浏览 0提问于2017-06-15得票数 1
回答已采纳
1回答
我在Python上使用CNTK运行一个简单的神经网络，但我想在训练期间打印出一个自定义指标，以监视学习过程如何改进这个特定的指标。
神经网络的输出是具有x、y和z分量的三维202个点(在我的设置中，这是一个包含606个点的向量，其中x、y和z分量彼此相邻，请参阅示例)。在训练期间，我想要监控的是预测的y分量与目标的差值。
这是一个输出可能的示例：
#x0 y0 z0 x1 y1 z1 ... x202 y202 z202
predictions = [1.56, 2.34, 1.33, 3.24, 2.33, 1.97, .
浏览 0提问于2018-07-12得票数 1
之前，我提到过没有任何选项可用于在CNTK顺序机器学习models1的Branscripts中定义种子值。因此，我将我的代码迁移到Python API (CNTK)，它在定义顺序机器学习模型的种子值时提供了更细粒度的选项。下面是我在实现中使用随机初始化的实例(以及设置相应的种子值)
// CNTK导入
import numpy as np
import pandas as pd
import random
import math as m
from cntk.device import *
from cntk import Trainer
from cntk.layers import *
浏览 2提问于2017-06-05得票数 0
回答已采纳
1回答
我已经用cntk (python)实现了"xor问题“。
目前，它只能偶尔解决这个问题。如何实现更可靠的网络？
我猜只要开始的随机权重接近最优，问题就解决了。我已经尝试了binary_cross_entropy作为损失函数，但它没有改善。我尝试将tanh作为非线性函数，但也不起作用。我还尝试了learning_rate、minibatch_size和num_minibatches_to_train参数的许多不同组合。请帮帮忙。
谢谢
# -*- coding: utf-8 -*-
import numpy as np
from cntk import *
import random
浏览 40提问于2017-05-24得票数 -1
我想使用CNTK评估API为我的数据打分。目前我看到有一个接一个的评估方法。我很好奇这个小批量在CNTK评估中是否支持？我在哪里可以找到它的一些示例代码？
浏览 1提问于2017-01-19得票数 2
我想使用CNTK python训练一个CNN模型，然后在我用c#或c++编程时使用训练好的模型。可以在C#或c++中使用CNTK python训练过的模型吗？
浏览 13提问于2018-01-10得票数 2
1回答
我想把篮球运动员的位置放在红宝石里。
例如:中心(c)，点警卫(Pg).甚至培训师(培训师)和联合培训师(co_trainer)。
目前我有：
POSITIONS = [
["trainer", "Trainer"],
["co_trainer", "Co-Trainer"],
["sg", "Shooting Guard"],
["sf", "Small Forward"],
["pg", "Poi
浏览 0提问于2013-11-19得票数 0
回答已采纳
1回答
我需要创建10神经元，每个神经元都有2输入。每个输出都应该连接到具有10输入、和输出的层。
我对输入神经元的定义：
Function in1 = Util.Dense(CNTK.Variable.InputVariable(CNTK.NDShape.CreateNDShape(new int[] { 2 }), CNTK.DataType.Float), 1, computeDevice);
Function in2 = Util.Dense(CNTK.Variable.InputVariable(CNTK.NDShape.CreateNDShape(new int[] { 2 }), C
浏览 0提问于2019-02-09得票数 0
1回答
我已经阅读了Microsft的Python教程的版本2Beta9.0。我还没有找到好的文档，给不同的学习者提供推荐值的例子。我已经让以下学习者在CNTK 103上工作:B部分-- MNIST未来网络：
lr_per_minibatch=learning_rate_schedule(0.2, UnitType.minibatch)
trainer = Trainer(z, ce, pe, sgd(z.parameters, lr=lr_per_minibatch))
lr_per_minibatch=learning_rate_schedule(0.2, UnitTyp
浏览 3提问于2017-02-02得票数 2
回答已采纳
我有一台CentOS 7.4GPU机器。
我试着在机器上安装cntk。我不能使用用于ubuntu的pip文件(我试图在导入cntk时与它们一起安装并获得seg故障)。
我成功地编译了克隆的cntk。然而，当我试图获得python版本时，我遇到了麻烦。我做到了
sudo python setup.py install
在$cntk_root/bindings/python中
并获取
构建“_cntk_py”扩展
吞下cntk/cntk_py.i到cntk/cntk_py_wrap.cpp
swig -python -c++ -D_MSC_VER -I././Source/CNTKv2Libra
浏览 0提问于2017-11-10得票数 0
1回答
我想从cntk中经过训练的cnn获得特定类的概率(其中所有概率的总和等于1)。在Python中，这可以通过应用softmax-function来实现：
import cntk as C
from skimage import io
model_path = "..."
image_path = "..."
image = io.imread(image_path)
model = C.load_model(model_path)
sm_classifier = C.softmax(model)
class_prob = sm_classifier.eval({
浏览 14提问于2018-09-05得票数 1
我的模式如下：
class RankingModel(nn.Module):
def __init__(self, conf: Dict[Text, Any], **kwargs: Any):
super(RankingModel, self).__init__()
self.conf = deepcopy(conf)
......
def forward(self, **_features): # the model input is a torch.utils.data.Datas
浏览 6提问于2022-05-12得票数 0
我试图按以下方式使用cntk.utils.one_hot：
# actions is numpy array of shape (32, 1) and _output_shape is 6
actions = one_hot(actions, self._output_shape)
但是它抱怨numpy.float32类不受支持。
我尝试将其转换为Python列表：
actions = one_hot(list(actions), self._output_shape)
我得到了以下错误：
File "/home/malmo_user/Workspace/malmo-collab/
浏览 2提问于2017-01-16得票数 3
回答已采纳
我有一个使用CNTK的C++程序，它可以在几十台PC上正常运行。但是在这台特殊的PC上，当从磁盘加载神经网络时--在程序启动时，它就崩溃了。最后，我禁用了GPU (从windows，而不是从任何CNTK代码)，然后它就可以正常加载、运行和工作了。那么，为什么GPU会导致这个问题--据我所知，我没有在CNTK代码中使用GPU。有主意了吗？谢谢!
浏览 7提问于2018-01-09得票数 0
回答已采纳
1回答
我理解人们通常使用下面的损失和错误来训练
ce = cross_entropy_with_softmax(z, label_var)
pe = classification_error(z, label_var)
trainer = Trainer(z, (ce, pe), ...)
我们可以覆盖或定义自己的损失和错误方法吗？我们真正需要的是在计算损失和误差时添加权重。例如，我们有4个类别，重要的是不要将第一个类别错误分类为其他类别，反之亦然，但如果它在最后3个类别中被错误分类，则不是那么重要(权重较小)。在cntk中处理这个问题的最好方法是什么？
浏览 0提问于2017-08-28得票数 1
2回答
我所知道的保存经过训练的模型的唯一函数是trainer.SaveCheckpoint，它可以保存CNTK模型，但我无法找到如何以C#格式保存该模型。
在这里的文档站点上，
我只能找到python方法来将它保存为ONNX。
z.save("myModel.onnx"，format=C.ModelFormat.ONNX)
但这在C#中不起作用
浏览 4提问于2021-02-26得票数 1
回答已采纳
我使用CNTK作为Keras的后端。我正在尝试使用我在C++中使用Keras训练的模型。
我已经使用HDF5中的Keras训练并保存了我的模型。现在如何使用CNTK API将其保存为model-v2格式？
我试过这个：
model = load_model('model2.h5')
cntk.ops.functions.Function.save(model, 'CNTK_model2.pb')
但我得到了以下错误：
TypeError: save() missing 1 required positional argument: 'filename&#
浏览 7提问于2017-06-06得票数 4
我想在使用CNTK的C++应用程序中部署我的tensorflow模型。如何从CNTK导入tensorflow模型？
有没有什么实用工具可以将学习到的模型转换为CNTK的可消化模型？你会在这里建议什么解决方案？
浏览 0提问于2016-12-14得票数 3
我一直在关注CNTK Tutorial ，并遇到通过以下方式向Brain类中的学习者发送参数的情况：
arguments = dict(zip(self.loss.arguments, [x,y]))
updated, results =self.trainer.train_minibatch(arguments, outputs=[self.loss.output])
这是第一次在教程中完成此操作。有人能理解为什么这些参数是zip对象的字典吗？zip在这个场景中做了什么？
浏览 12提问于2017-02-04得票数 1
回答已采纳
我试图在Torch中训练一个简单的XOR函数测试网络。当我使用MSECriterion时，它可以工作，但当我尝试使用CrossEntropyCriterion时，它会失败，出现以下错误消息：
/home/a/torch/install/bin/luajit: /home/a/torch/install/share/lua/5.1/nn/THNN.lua:699: Assertion `cur_target >= 0 && cur_target < n_classes' failed. at /tmp/luarocks_nn-scm-1-6937/nn/li
浏览 5提问于2016-02-08得票数 1
回答已采纳
我已经创建了以下Python程序，据我所知，它应该是一个有效的基于CTC的模型，以及培训数据。我能找到的最好的文档是，这就是我所基于的。这个程序是我所能做的最简单的，它只依赖numpy和CNTK，并且自己生成数据。
当我运行这个程序时，我会得到以下错误：
验证-> ForwardBackward2850 = ForwardBackward (LabelsToGraph2847，StableSigmoid2703)：5 x labelAxis1，5 x inputAxis1 -> []
RuntimeError: ForwardBackwardNode操作中的矩阵维度不匹配。
浏览 4提问于2017-08-15得票数 4
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
