Deep learning 在MXNet中使用高级API时，如何向网络中输入额外数据

我正在研究MXNet框架，我需要在每次迭代期间向网络输入一个矩阵。矩阵存储在外部存储器中，它不是训练数据，在每次迭代结束时由网络输出更新。在迭代过程中，矩阵必须输入到网络中

如果我使用高级API，即

model=mx.mod.mod.Module（context=ctx，symbol=sym）
... ...
模型拟合（训练数据，开始历元=开始历元，
end_epoch=end_epoch，…）

这可以实现吗？

model.fit（）

不提供您想要的功能。然而，您想要在ApacheMXnet的Gluon API中实现的是非常容易的。使用Gluon API，您可以为训练循环编写7行代码，而不是使用单个

model.fit（）

。这是一个典型的训练循环代码：

for epoch in range(10):
    for data, label in train_data:
        # forward + backward
        with autograd.record():
            output = net(data)
            loss = softmax_cross_entropy(output, label)
        loss.backward()
        trainer.step(batch_size)  # update parameters

因此，如果您想将网络的输出反馈回输入，您可以轻松实现这一点。要开始使用胶子，我建议使用。要成为Gluon方面的专家，我推荐这本书以及MXNet主网站上的一整套教程：