Python 如何在CNTK训练期间直接访问梯度和修改权重（参数）？

我想计算梯度值（每个示例或小批量），并将权重直接修改为任何值（因此我可以使用任何方法控制梯度下降，而不仅仅是提供的sgd/学习速率计划）。 我正在使用python接口。

以下是执行此类操作的方法：

#如果事件编号%BATCH\u SIZE\u BASELINE==0，请等待某些批次完成以减少噪音：

grads = {W1: gradBuffer['W1'].astype(np.float32),
         W2: gradBuffer['W2'].astype(np.float32)}
updated = sgd.update(grads, BATCH_SIZE_BASELINE)

# reset the gradBuffer
gradBuffer = dict((var.name, np.zeros(shape=var.shape))
        for var in loss.parameters if var.name in ['W1', 'W2', 'b1', 'b2'])

---

要获得梯度，请参见

grad

方法。要立即更新权重，可以使用

.value

属性：

>>> w = C.Parameter((2,3), init=C.glorot_uniform())
>>> w.value
array([[-0.80213612, -0.7965923 , -0.10688281],
       [-1.0493834 , -0.32666588,  0.90124035]], dtype=float32)
>>> w.value = w.value + 1
>>> w.value
array([[ 0.19786388,  0.2034077 ,  0.89311719],
       [-0.0493834 ,  0.67333412,  1.90124035]], dtype=float32)

---

CNTK在其路线图上支持用户定义学习者的简单规范，这将减少您必须编写的样板代码量。预计这将在2017年3月左右提供。

欢迎使用StackOverflow！您可能想查看一下，了解一些关于提出可能得到答案的问题的技巧：特别是，了解您已经尝试过的内容以及为什么它不起作用是很重要的。