根據(jù)Gluon項目官方Github頁面上的描述,Gluon API支持任意一種深度學習框架,其相關規(guī)范已經(jīng)在Apache MXNet項目中實施,開發(fā)者只需安裝最新版本的MXNet(master)即可體驗。AWS用戶可以創(chuàng)建一個AWS Deep Learning AMI進行體驗。
該頁面提供了一段簡易使用說明,摘錄如下:
本教程以一個兩層神經(jīng)網(wǎng)絡的構建和訓練為例,我們將它稱呼為多層感知機(multilayer perceptron)。(本示范建議使用Python 3.3或以上,并且使用Jupyter notebook來運行。詳細教程可參考這個頁面。)
首先,進行如下引用聲明:
然后,使用gluon.data.DataLoader承載訓練數(shù)據(jù)和測試數(shù)據(jù)。這個DataLoader是一個iterator對象類,非常適合處理規(guī)模較大的數(shù)據(jù)集。
接下來,定義神經(jīng)網(wǎng)絡:
然后把模型的參數(shù)設置一下:
之后就可以開始跑訓練了,一共分四個步驟。一、把數(shù)據(jù)放進去;二、在神經(jīng)網(wǎng)絡模型算出輸出之后,比較其與實際結果的差距;三、用Gluon的autograd計算模型各參數(shù)對此差距的影響;四、用Gluon的trainer方法優(yōu)化這些參數(shù)以降低差距。以下我們先讓它跑10輪的訓練: