Question

例如

假设变量是：

inputs_a = mx.sym.Variable（＆＃39; inputs_a＆＃39;）
inputs_b = mx.sym.Variable（＆＃39; inputs_b＆＃39;）

假设网络是：

inputs_a [batch_size]，100] - ＆gt; FullyConnected（10） - ＆gt; outputs_a [batch，10]
inputs_b [batch_size]，50] - ＆gt; FullyConnected（10） - ＆gt; outputs_b [batch， 10]
预测= outputs_a + outputs_b

假设数据（numpy）是：

data_a，其大小为[batch_size，100]
data_b，其大小为[batch_size，50]
data_label，其大小为[batch_size，10]

我想知道如何构建模型？

mod = mx.mod.Module(context=mx.gpu(), symbol=prediction,
                    data_names=['inputs_a', 'inputs_b'], label_names=['label'])

我想知道如何构建数据呢？

train_iter = mx.io.NDArrayIter(data=[data_a, data_b], label=data_label,batch_size=3,data_name=['inputs_a', 'inputs_b'],label_name='label')

但是这种格式是错误的。我在MXNet的教程和API文档中找不到这种多输入数据演示。还有一些，MXNet演示的博客很少。那么你能告诉我正确的方法吗？或者告诉我你的演示。谢谢！

Answer 1

NDArrayIter支持多个输入。以下代码片段有望捕获您想要执行的操作：

    import mxnet as mx

    X1 = mx.sym.Variable('X1')
    X2 = mx.sym.Variable('X2')
    Y = mx.sym.Variable('Y')

    fcX1 = mx.sym.FullyConnected(data=X1, num_hidden=10, name='fcX1')
    fcX2 = mx.sym.FullyConnected(data=X2, num_hidden=10, name='fcX2')

    prediction = fcX1 + fcX2

    graph = mx.sym.LinearRegressionOutput(data=prediction, label=Y, name='lro')

    model = mx.mod.Module(symbol=prediction, data_names=['X2', 'X1'], label_names=['Y'])

    # set x1, x2 and y to the training inputs corresponding to X1, X2 and Y
    data = {'X1' : x1, 'X2' : x2}
    label = {'Y' : y}
    data_iter = mx.io.NDArrayIter(data, label, batch_size)

    model.fit(data_iter, ...)

如何在MXnet中使用多输入数据预测或训练网络？

1 个答案: