Python Mxnet元素级乘法

在MXNet中，如果我想创建一个权重向量，将每个输入相乘，即使用

w*x_I

，然后在权重上反向投影

w

，我该怎么做

我试过：

 y_hat = input
 w1 = mx.sym.Variable("w1")
 y_hat = mx.symbol.broadcast_mul(w1, y_hat)

---

您可以根据点积进行计算：

x = mx.nd.array([[1, 2, 3], [4, 5, 6]])
w = mx.nd.array([2,2,2])
mx.nd.dot(w, x.T)

将导致[12.30.]如您所愿

现在只需随机初始化

w

，计算输出和目标输出之间的损失，然后反向传播。您可以使用新的

glion

接口来实现该功能（）

具体来说，让我们看一个经过改编和

准备数据

label = mx.nd.array([12,30])
x = mx.nd.array([[1, 2, 3], [4, 5, 6]])
w = random weights
w.attach_grad()

训练

with autograd.record():
    output = mx.nd.dot(w, x.T)
    loss = gluon.loss.L2Loss(output, label)
    loss.backward()

---

不要忘记在向后传球时计算的梯度。渐变将在

w.grad

中提供。在循环中运行训练代码和权重更新，因为单个更新可能不足以实现收敛。

提供一些输入并显示/询问您想要的预期输出，例如

x=[[1,2,3]，[4,5,6]]

，

y=[12,30]

，我想有一个参数

w

，我可以训练它，这样

y=w*x

，所以如果

w=2

，那么

w*x=[[2,4,6]，[8,10,12]

向量

w#size=（num#u特征，1）

与

x

中样本的每个特征的元素相乘，有具体的例子吗？我认为你必须初始化（我认为它叫做bind，一些梯度参数，任何你想反向支持的参数）。。它如何知道要对哪个变量进行backprop呢？如果使用符号API，确实需要这样做。符号API的优点是速度更快。然而，我上面提到的新引入的胶子API更容易开发，所以我建议您首先在那里实现您的想法。我正在编辑上面的文章，以便为示例添加更多信息。我的大型代码库中没有任何胶子依赖项。胶子与MXNet一起玩吗？我只想添加一个参数，因此使所有代码库复杂化可能太多了。更不用说，速度对我来说已经是个问题了。。奇怪的是，我该如何在类符号API中做到这一点呢？Gluon是mxnet的一部分（尽管只在主分支中，直到下一个版本发布）。对于符号API，您可以采用相同的方法，只需使用mx.sym.dot而不是mx.nd.dot，并为x、y和w定义变量。要获得相对于w的梯度，需要使用模块的get_input_grads（），因为w被视为“输入数据”。或者，要让mxnet管理w作为权重数组，您需要定义自己的操作符。不过，根据您的代码库，将命令式/gluon API与现有代码库混合可能是最简单的方法。这没有问题。有没有将w定义为运算符的示例？不管怎样，这似乎都很复杂