Store/Reload CNTK 训练器、模型、输入、输出

Question

存放训练器和所有必要组件的最佳方式是什么？

1.存储：

• trainer 的存储检查点：使用其 trainer.save_checkpoint(filename, external_state={}) 功能
• 另外单独存储模型：使用z.save(filename)方法，每个cntk操作都有。您还可以获得 z = trainer.model.

2。重新加载：

• 恢复模型：使用C.load_model(...)。 （不要对 Cntk 1 中已弃用的持久命名空间感到困惑。）
• 从恢复的模型中获取输入。
• 恢复训练器本身：使用trainer.restore_from_checkpoint作为例子。显示 here。问题是，这个函数已经需要一个训练对象，它可能必须以与用于创建检查点的训练相同的方式初始化！？

我现在如何恢复训练器使用的误差函数中的标签输入？在下面的代码中，我标记了我认为存储后必须恢复的变量。

z = C.layers.Dense(.... )
loss = error = C.squared_error(z, **l**)
**trainer** = C.Trainer(**z**, (loss, error), [mylearner], my_tensorboard_writer)

Answer 1

您可以恢复您的训练器，但实际上我更喜欢只加载我的模型 m。原因很简单，创建一个全新的训练器要容易得多，因为这样你就可以更容易地改变训练器的所有其他参数。 然后你可以从加载的模型中获取输入变量（如果你的网络只有一个输入）：

input_var = m.arguments[0]

那么您需要模型的输出：

output = m(input_var)

并使用目标输出定义损失函数 target_output:

C.squared_error(output, target_output)

使用您的模型和损失函数，您可以从那里重新创建您的训练器，根据需要设置学习率等