Python mxnet.module.BaseModule.bind用法及代码示例

用法: bind(data_shapes, label_shapes=None, for_training=True, inputs_need_grad=False, force_rebind=False, shared_module=None, grad_req='write')

参数：

data_shapes：(list of (str, tuple) or DataDesc objects) - 通常是data_iter.provide_data.也可以是(数据名称、数据形状)的列表。
label_shapes：(list of (str, tuple) or DataDesc objects) - 通常是data_iter.provide_label.也可以是(标签名称、标签形状)的列表。
for_training：(bool) - 默认为True.执行者是否应该接受训练。
inputs_need_grad：(bool) - 默认为False.是否需要计算输入数据的梯度。通常这不是必需的。但是在实现模块组合时可能需要这样做。
force_rebind：(bool) - 默认为False.如果 executors 已经被绑定，这个函数什么也不做。但是有了这个True，执行者将被迫重新绑定。
shared_module：(Module) - 默认为None.这用于分桶。没有的时候None，共享模块本质上对应于不同的存储桶——具有不同符号但具有相同参数集的模块(例如，具有不同长度的展开 RNN)。
grad_req：(str, list of str, dict of str to str) - 梯度累积的要求。可以是‘write’, ‘add’, or ‘null’(默认为‘write’)。可以全局指定 (str) 或为每个参数 (list, dict) 指定。

绑定符号以构造执行器。在使用模块执行计算之前，这是必要的。

例子：

>>> # An example of binding symbols.
>>> mod.bind(data_shapes=[('data', (1, 10, 10))])
>>> # Assume train_iter is already created.
>>> mod.bind(data_shapes=train_iter.provide_data, label_shapes=train_iter.provide_label)

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.module.BaseModule.bind。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。