Python mxnet.symbol.Symbol.bind用法及代码示例

用法: bind(ctx, args, args_grad=None, grad_req='write', aux_states=None, group2ctx=None, shared_exec=None)

参数：

ctx：(mxnet.context.Context) - 生成的执行程序运行的设备上下文。
args：(list of NDArray or dict of str to NDArray) -符号的输入参数。
- 如果输入类型是 NDArray 的列表，则顺序应与 list_arguments() 的顺序相同。
- 如果输入类型是 str 到 NDArray 的字典，则它将参数名称映射到相应的 NDArray 。
- 在任何一种情况下，都必须提供所有参数。
args_grad：(NDArray 列表或 str 的 dict 到NDArray，可选的) -指定时，args_grad 提供 NDArrays 以向后保存梯度值的结果。
- 如果输入类型是 NDArray 的列表，则顺序应与 list_arguments() 的顺序相同。
- 如果输入类型是 str 到 NDArray 的字典，则它将参数名称映射到相应的 NDArray。
- 当类型是 str 到 NDArray 的字典时，只需提供所需参数梯度的字典。只会计算指定的参数梯度。
grad_req：({'write', 'add', 'null'}, or list of str or dict of str to str, optional) -指定我们应该如何将渐变更新为 args_grad 。
- 'write' 表示每次将梯度写入指定的 args_grad NDArray 。
- 'add' 表示每次将渐变添加到指定的 NDArray。
- 'null' 表示不采取任何行动，可能不计算梯度。
aux_states：(列表NDArray, 或 str 的 dict 到NDArray，可选的) -向符号输入辅助状态，仅当list_auxiliary_states() 的输出不为空时才需要。
- 如果输入类型是 NDArray 的列表，则顺序应与 list_auxiliary_states() 的顺序相同。
- 如果输入类型是 str 到 NDArray 的字典，则它将 auxiliary_states 的名称映射到相应的 NDArray ，
- 在任何一种情况下，都需要提供所有辅助状态。
group2ctx：(Dict of string to mx.Context) - 字典映射ctx_group归因于上下文分配。
shared_exec：(mx.executor.Executor) - 执行者共享内存。这适用于运行时重塑、可变长度序列等。返回的执行程序与shared_exec, 并且不应该与它并行使用。

executor：- 生成的执行器

返回类型：

mxnet.executor.Executor

将当前符号绑定到执行器并返回它。

我们首先声明计算，然后绑定到要运行的数据。此函数返回一个执行程序，它提供方法forward() 方法进行评估和outputs() 方法来获取所有结果。

示例：

>>> a = mx.sym.Variable('a')
>>> b = mx.sym.Variable('b')
>>> c = a + b
<Symbol _plus1>
>>> ex = c.bind(ctx=mx.cpu(), args={'a' : mx.nd.ones([2,3]), 'b' : mx.nd.ones([2,3])})
>>> ex.forward()
[<NDArray 2x3 @cpu(0)>]
>>> ex.outputs[0].asnumpy()
[[ 2.  2.  2.]
[ 2.  2.  2.]]

注意：

辅助状态是符号的特殊状态，不对应于参数，没有梯度，但对特定操作仍然有用。辅助状态的常见示例包括 BatchNorm 中的 moving_mean 和 moving_variance 状态。大多数运算符没有辅助状态，在这些情况下，可以安全地忽略此参数。

可以通过在args_grad 中使用字典来放弃渐变，只指定他们感兴趣的渐变。

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.symbol.Symbol.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。

用法:

参数：

返回：

返回类型：

示例：

注意：