CNTK C ++ API中Function :: Forward和Trainer :: TrainMinibatch之间的区别

Question

我正在尝试从CNTKLibrary.h逆向工程CNTK的C ++ API（因为没有官方文档）

我建立了一个RNN网络（主要通过遵循单元测试源代码）并且它似乎正常工作（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”，但是通过以下Python实例，我发现我可以使用相关学习器优化器制作“Trainer” （FSAdaFradLearner），然后在该poinetr上调用“TrainMinibatch”。

现在我的问题是，哪一个是训练模型的正确方法？

Answer 1

有不同的抽象级别来实现同样的目标。

Trainer是一个包装/便利类，可以为你记住一些事情，比如根节点和学习者，并提供方便函数TrainMinibatch()，它实际上是{{Forward()的序列。 1}}，Backward()和learner.Update()。

C ++ API与Python API非常相似。实际上，大多数Python API函数和类只是围绕相应C ++函数和类的包装器。因此，由于语言和类型 - 系统差异，方法签名不匹配100％，因此Python文档中描述的任何逻辑都应直接应用于C ++。

在典型的使用案例中，调用TrainMinibatch()将在此处结束：[https://github.com/Microsoft/CNTK/blob/94e6582d2f63ce3bb048b9da01679abeacda877f/Source/CNTKv2LibraryDll/Trainer.cpp#L193

调用ExecuteForwardBackward()，调用Forward()和Backward()。您可以将其用作如何调用这些函数的示例。