如何在使用 CNTK 訓練期間直接訪問梯度和修改權重（參數）？

Question

我想計算梯度值（每個示例或小批量），並將權重直接修改為任何值（因此我可以使用任何方法控制梯度下降，而不僅僅是提供的 sgd/學習率計划）。 我正在使用 python 接口。

Answer 1

要獲得漸變，請參閱文檔中的grad方法。 要.value更新權重，您可以使用.value屬性：

>>> 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 在其路線圖上支持輕松指定用戶定義的學習器，這將減少您必須編寫的樣板代碼量。 預計這將在 2017 年 3 月左右推出。

Answer 2

這是執行此類操作的教程：

# 如果 episode_number % BATCH_SIZE_BASELINE == 0，則等待一些批次完成以減少噪音：

 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'])