使用 mxnet CNN 模型进行预测答案

【问题标题】：Make a prediction using mxnet CNN model使用 mxnet CNN 模型进行预测
【发布时间】：2018-03-02 15:11:17
【问题描述】：

您好，我是数据科学的新手，我遵循了本教程https://mxnet.incubator.apache.org/tutorials/nlp/cnn.html，但我对如何使用上述教程生成的训练模型进行单一预测感到困惑。请指导我正确的方向来解决这个问题。谢谢。

【问题讨论】：

标签： python conv-neural-network data-science text-classification mxnet

【解决方案1】：

这里是如何使用预训练模型进行预测的教程：https://mxnet.incubator.apache.org/tutorials/python/predict_image.html

步骤：
1.加载预训练模型并创建MXNet模块实例。
2. 抓取你的数据，用模块往前跑

【讨论】：

谢谢我用 .params 文件和模型训练后创建的 .json 文件加载了模型，但仍然无法创建模块实例。我该怎么做？
您需要绑定从文件中读取的模型参数（mod.bind 和 mod.set_param），一旦您拥有一个正常运行的模型，您就可以调用 feed_forward/forward/predict 函数（ mod.forward 和 mod.get_outputs）。
@Guy 和@kevinthesun，概念比较简单，但在实践中并不完全如此。例如，用于bind 方法的data_shapes 是什么？你们谁能举一个将这两个教程结合在一起的例子吗？
查看这个：github.com/dmlc/mxnet-notebooks/blob/master/python/tutorials/…

【解决方案2】：

可以这样加载模型：

sym, arg_params, aux_params = mx.model.load_checkpoint('cnn', 3)
mod = mx.mod.Module(symbol=sym, context=mx.cpu(), label_names=None)
mod.bind(for_training=False, data_shapes=[('data', (50,56))], 
         label_shapes=mod._label_shapes)
mod.set_params(arg_params, aux_params, allow_missing=True)

但不幸的是，你不能用它来做一个预测。你需要一批 50 个。

【讨论】：

您不必有 50 个批次。data_shapes 中的第一个参数控制预期批次大小的大小。您可以简单地使用 1：mod.bind(for_training=False, data_shapes=[('data', (1,3,224,224))], label_shapes=mod._label_shapes)，如教程中所述 github.com/dmlc/mxnet-notebooks/blob/master/python/tutorials/…
@Guy 我敦促您实际运行代码。我可以告诉你，你的解决方案行不通。问题是批量大小实际上嵌入在Reshape 层中。