mxnet.gluon.rnn及mxnet.symbol实现LSTM教程

基于mxnet.symbol的基本使用以及模型加载与保存
mxnet基本使用以及模型加载与保存
mxnet.symbolRNN-GRU-LSTM-Bi官网教程
基于mxnet的LSTM实现(mx.rnn.LSTMCell+symbol)

基于mxnet.gluon.rnn的基本使用以及模型加载与保存
LSTM Mxnet Implementation-手写
mxnet.gluon.rnn.LSTM中文教程
mxnet.gluon.rnn.GRU官网教程

模型导出

python 复制代码
import mxnet as mx
hidden_size = 128
num_layer = 2
word_emb_dim = 128
seq_len = 64
layer = mx.gluon.rnn.GRU(hidden_size, num_layer, bidirectional=True, )
layer.initialize()
# seq_len = 5 batch_size = 3 input_size = 128
input = mx.nd.random.uniform(shape=(seq_len, 3, word_emb_dim))
# by default zeros are used as begin state
output = layer(input)
# manually specify begin state.
# num_layers = 6 batch_size = 3 num_hidden = 128
h0 = mx.nd.random.uniform(shape=(num_layer*2, 3, hidden_size))
output, hn = layer(input, h0)
# 模型保存
layer.export('model')
# 模型加载
sym = mx.sym.load('model-symbol.json')
mod = mx.mod.Module(symbol=sym, context=mx.cpu(), label_names=None)
mod.bind(data_shapes=[('data', (5, 3, hidden_size))])
mod.load_params('model-0000.params')
print('Load Successfully!')

MXNet/Gluon:网络和参数的存取方式

相关推荐
盼小辉丶18 小时前
PyTorch生成式人工智能(18)——循环神经网络详解与实现
pytorch·rnn·自然语言处理
墨尘游子2 天前
一文读懂循环神经网络—从零实现长短期记忆网络(LSTM)
人工智能·python·深度学习·神经网络·算法·机器学习·lstm
王小王-1232 天前
基于深度学习的LSTM、GRU对大数据交通流量分析与预测的研究
深度学习·gru·lstm·交通流量预测系统·客流量预测系统·流量预测·拥堵预测
机器学习之心2 天前
三种深度学习模型(LSTM、CNN-LSTM、贝叶斯优化的CNN-LSTM/BO-CNN-LSTM)对北半球光伏数据进行时间序列预测
深度学习·cnn·lstm·cnn-lstm·贝叶斯优化的cnn-lstm
羡鱼饼饼2 天前
pytorch深度学习-LSTM—循环神经网络变种
pytorch·rnn·深度学习
墨尘游子4 天前
一文读懂循环神经网络(RNN)—语言模型+n元语法(1)
人工智能·python·rnn·深度学习·神经网络·语言模型
TY-20254 天前
七、深度学习——RNN
人工智能·rnn·深度学习
补三补四4 天前
RNN(循环神经网络)
人工智能·rnn·深度学习·神经网络·算法
机器学习之心4 天前
时序预测 | Pytorch实现CNN-LSTM-KAN电力负荷时间序列预测模型
pytorch·cnn·lstm·cnn-lstm-kan
羡鱼饼饼5 天前
pytorch深度学习—RNN-循环神经网络
pytorch·rnn·深度学习