AI::MXNet (Perl API)：如何拟合（）动物园模型

Question

我正在尝试使用 MXNet (AI::MXNet) 的 Perl API 从 ModelZoo (AI::MXNet::Gluon::ModelZoo::Vision) 获取标准模型并对其进行训练。

以下代码没有抱怨，但它不适合（）。 fit() 立即返回。我的数据集是一个 RecordIO 格式的图像文件（使用 im2rec 构建），我很确定它是有效的。

我已经从https://codehex.hateblo.jp/entry/2017/09/12/160149 修改了代码，原作者在这里象征性地创建了模型（而不是来自 ModelZoo）。

原则上，这是从 ModelZoo 训练模型的正确方法吗？

第二个问题是从一组图像创建数据加载器的最佳做法是什么。我在做什么（使用mx->io->ImageRecordIter）可以吗？

use strict;
use warnings;

use AI::MXNet qw/mx/;

use AI::MXNet::Gluon qw/gluon/; # needed for nn-> (which must be replaced by gluon->nn->...)
use AI::MXNet::Gluon::NN qw(nn); # for nn->
use AI::MXNet::Gluon::ModelZoo::Vision::VGG;
use AI::MXNet::Monitor;

my $ctx = mx->cpu(0);

my $vgg = AI::MXNet::Gluon::ModelZoo::Vision->get_vgg(
    11, # num layers
    (
        'classes' => 26, # latin alphabet recognition
        'root' => 'abc', # where to save the models
        'ctx' => $ctx # context
    )
);
die "get the model" unless defined $vgg;

my $batch_size = 4;
# num channels, width, height our png training images of letters:
my $img_shape = [3, 256, 256];
my $training_file = 'training.bin';
my $train_dataiter = mx->io->ImageRecordIter({
    'path_imgrec' => $training_file,
    'path_imglist' => 'training.lst',
    # num channels, width, height
    'data_shape' => $img_shape,
    'batch_size' => $batch_size,
    'label_width' => 1, # dimensionality of labels, for us is 1 (i.e. just the letter name)
});
die "mx->io->ImageRecordIter()" unless defined $train_dataiter;

$vgg->init_params(initializer => mx->init->Xavier(magnitude => 2));
$vgg->init_optimizer(optimizer => 'sgd', optimizer_params => {learning_rate => 0.1});
$vgg->initialize();

print "$0 : fitting ...\n";
$vgg->fit(
    $train_dataiter,
    'num_epoch' => 1000
);

Answer 1

等待训练不是正确的。 ModelZoo 返回一个 Gluon Hybrid 块。 'fit' 用于模块接口。 了解如何使用 Gluon 进行训练：

https://metacpan.org/source/SKOLYCHEV/AI-MXNet-1.4/examples/gluon/mnist.pl

与模块相同： https://metacpan.org/source/SKOLYCHEV/AI-MXNet-1.4/examples/mnist.pl

你可以调用混合块的 ->export 方法，如 $vgg->export(); https://metacpan.org/source/SKOLYCHEV/AI-MXNet-1.4/lib/AI/MXNet/Gluon/Block.pm#L1242

这会将网络的 json 结构和当前参数保存到文件中。 然后就可以从这些初始化Module接口了。