"Mxnet"의 두 판 사이의 차이

2017년 7월 4일 (화) 19:06 기준 최신판

뭘 이렇게들 만들어 대는지. tf가 맘에 안들기는 하지만.

etc

batch normalization example

def ConvFactory(data, num_filter, kernel, 
                stride=(1,1), pad=(0, 0),name=None, suffix=''):
    conv = mx.sym.Convolution(data=data,
                  num_filter=num_filter,
                  kernel=kernel,
                  stride=stride,
                  pad=pad,
                  name='conv_%s%s' %(name, suffix))
    bn = mx.sym.BatchNorm(data=conv, name='bn_%s%s' %(name, suffix))
    act = mx.sym.Activation(data=bn, act_type='relu', name='relu_%s%s'
                  %(name, suffix))
    return act

feature extraction
- Predict with pre-trained models
- How do I fine-tune pre-trained models to a new dataset?

@@ 3번째 줄: / 3번째 줄: @@
 뭘 이렇게들 만들어 대는지. [https://www.tensorflow.org tf]가 맘에 안들기는 하지만.
-==Basics==
+[[Mxnet/Basics]]
-걍 numpy를 쓰지 않는 이유는 cpu, gpu등 자유로이 알아서(?) 처리해주고, 병렬까지도 알아서(?) 한다고 함. [http://mxnet.io/tutorials/basic/ndarray.html] <del>tf도 해주지 않냐?</del>
-{{c|broadcast}}[http://mxnet.io/tutorials/basic/ndarray.html#broadcast]: {{c|rep}}같은건가봄.
+[[Mxnet/Training and Inference]]
-{{c|pickle.dump}}말고 {{c|mx.nd.load, mx.nd.save}}를 쓸 수 있다. [http://mxnet.io/tutorials/basic/ndarray.html#serialize-from-to-distributed-filesystems]
+==etc==
+* batch normalization example
-symbolic api를 설명[http://mxnet.io/tutorials/basic/symbol.html]하면서 중간에 장점이 하나 나오는데 이런게 있었네 싶었음. ㅎㅎ : 미리 그래프를 짜 놓으면 나중에 어떤 결과값이 필요할지 미리 알 수 있어서 계산중간값들을 모두 저장해둘 필요가 없다. 메모리가 절약됨.<br>
+<pre>def ConvFactory(data, num_filter, kernel,
-관련해서, symbolic programming을 declarative programming이라고도 하고 이 반대를 imperative programming이라고 하는 모양. <del>imperative programming은 단어만 보면 이게 도대체 뭔소린가 싶었다.</del> Declarative programming의 예: regular expression, SQL.
+                stride=(1,1), pad=(0, 0),name=None, suffix=''):
+    conv = mx.sym.Convolution(data=data,
-매뉴얼 따라하다가 {{c|graphviz}}때문에 에러남
+                  num_filter=num_filter,
- ExecutableNotFound: failed to execute ['dot', '-Tsvg'], make sure the Graphviz executables are on your systems' PATH
+                  kernel=kernel,
-맥이라 걍 포기. {{c|brew}}하면 된다는데 걍 안하고 원격 리눅스에서나. 시스템에도 있어야 하고, pip로도 있어야 한다.(우분투에서 {{c|apt ~}} 랑 {{c|pip install ~}} 다 해줘야 한다는 얘기)
+                  stride=stride,
+                  pad=pad,
-bind → forward해서 output을 얻지 않고, 바로 eval할 수도 있다.
+                  name='conv_%s%s' %(name, suffix))
+    bn = mx.sym.BatchNorm(data=conv, name='bn_%s%s' %(name, suffix))
-<u>{{c|tojson()}}</u>
+    act = mx.sym.Activation(data=bn, act_type='relu', name='relu_%s%s'
- print(c.tojson())
+                  %(name, suffix))
- c.save('symbol-c.json')
+    return act</pre>
- c2 = mx.sym.load('symbol-c.json')
+* feature extraction
+**[https://github.com/dmlc/mxnet/blob/master/docs/tutorials/python/predict_image.md Predict with pre-trained models]
-type cast
+** [http://mxnet.io/how_to/finetune.html#train How do I fine-tune pre-trained models to a new dataset?]
- a = mx.sym.Variable('data')
- b = mx.sym.cast(data=a, dtype='float16’)
-===Module===
-==Training and Inference==
-===Linear Regression===
-===Handwritten Digit Recognition===
-===Predict with pre-trained models===
-===Large Scale Image Classification===