存储/重新加载CNTK培训师，型号，输入，输出

Question

存放培训师和所有必要组件的最佳方法是什么？

1。存储

• 存储trainer的检查点：使用其trainer.save_checkpoint(filename, external_state={})功能
• 另外单独存储模型：使用z.save(filename)方法，每个cntk操作都有。您还可以获得z = trainer.model。

2。重装：

• 恢复模型：使用C.load_model(...)。 （不要对Cntk 1中已弃用的持久命名空间感到困惑。）
• 从已恢复的模型中获取输入。
• 恢复培训师本身：使用trainer.restore_from_checkpoint作为例如。显示here。问题是，这个功能已经需要一个训练器对象，可能必须以与用于创建检查点的训练器相同的方式进行初始化！？

我现在如何恢复进入教练使用的错误功能的标签输入？在下面的代码中，我标记了在我存储它们之后我认为必须恢复的变量。

z = C.layers.Dense(.... )
loss = error = C.squared_error(z, **l**)
**trainer** = C.Trainer(**z**, (loss, error), [mylearner], my_tensorboard_writer)

Answer 1

您可以恢复您的培训师，但我实际上更愿意加载我的模型m。原因很简单，创建一个全新的培训师要容易得多，因为您可以更轻松地更改培训师的所有其他参数。 然后，您可以从加载的模型中获取输入变量（如果您的网络只有一个输入）：

input_var = m.arguments[0]

然后你需要模型的输出：

output = m(input_var)

使用目标输出target_output定义损失函数：

C.squared_error(output, target_output)

使用您的模型和损失功能，您可以从那里重新创建您的教练，根据您的喜好设置学习率等