Python mxnet.module.BaseModule.bind用法及代碼示例

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

參數：

data_shapes：(list of (str, tuple) or DataDesc objects) - 通常是data_iter.provide_data.也可以是(數據名稱、數據形狀)的列表。
label_shapes：(list of (str, tuple) or DataDesc objects) - 通常是data_iter.provide_label.也可以是(標簽名稱、標簽形狀)的列表。
for_training：(bool) - 默認為True.執行者是否應該接受訓練。
inputs_need_grad：(bool) - 默認為False.是否需要計算輸入數據的梯度。通常這不是必需的。但是在實現模塊組合時可能需要這樣做。
force_rebind：(bool) - 默認為False.如果 executors 已經被綁定，這個函數什麽也不做。但是有了這個True，執行者將被迫重新綁定。
shared_module：(Module) - 默認為None.這用於分桶。沒有的時候None，共享模塊本質上對應於不同的存儲桶——具有不同符號但具有相同參數集的模塊(例如，具有不同長度的展開 RNN)。
grad_req：(str, list of str, dict of str to str) - 梯度累積的要求。可以是‘write’, ‘add’, or ‘null’(默認為‘write’)。可以全局指定 (str) 或為每個參數 (list, dict) 指定。

綁定符號以構造執行器。在使用模塊執行計算之前，這是必要的。

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)

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.module.BaseModule.bind。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。