Поймите пример для простого 3-слойного MLP с помощью MXNet в Julia

Question

У меня есть базовое понимание нейронных сетей. Я понимаю, что должна быть y-матрица (ожидаемый результат), которая хранит 0 или 1, соответствующую разным ярлыкам категорий. В качестве примера, для распознавания цифр, если число, которое нужно идентифицировать, равно 6, тогда вектор y должен быть [0,0,0,0,0,1,0,0,0,0]. Однако, когда я вижу пример MXNet in MXNet.jl repository on Github, я не мог идентифицировать код, который подготавливает такую ​​матрицу результатов. Я думаю, что волшебство заключается в get_mnist_providers() метод, который возвращает 2 поставщиков:

train_provider, eval_provider = get_mnist_providers(batch_size) 

Я понятия не имею, что эти поставщики - train_provider, eval_provider. Пожалуйста, помогите мне понять этих поставщиков. Я пытаюсь написать алгоритм, который имеет разные классификации, поэтому понимание этого провайдера жизненно важно.

Answer 1

Вы имеете право предоставить вектор y, соответствующий меткам. В MXNet существует концепция итераторов. Итераторы используются для привязки данных к меткам. Вероятно, ваш метод get_mnist_providers - это предоставление итератора данных, к которому прикреплен соответствующий ярлык.

Для более детального понимания того, как итераторы данные вписываются в общую картину оптимизации модели, вы можете попробовать этот учебник (ссылки на mxnet-notebooks Github репозиторий): linear-regression.ipynb

(Вам нужно jupyter ноутбук для запуска только pip install jupyter, а затем запустите команду «jupyter notebook» в папке, где находится учебный файл)