存储/重新加载CNTK培训器、型号、输入、输出

Question

存放教练机和所有必要部件的最佳方式是什么？在

1。存储：

• 存储trainer的检查点：使用它的trainer.save_checkpoint(filename, external_state={})函数
• 另外单独存储模型：使用z.save(filename)方法，每个cntk操作都有。您还可以得到z = trainer.model。在

2。重新加载：

• 恢复模型：使用C.load_model(...)。（不要被Cntk 1中不推荐使用的persist命名空间混淆。）
• 从恢复的模型中获取输入。在
• 恢复训练器本身：使用trainer.restore_from_checkpoint，如图所示here。问题是，这个函数已经需要一个trainer对象，这个对象可能必须用与trainer创建检查点相同的方式初始化！？在

现在如何恢复进入培训师使用的错误功能的标签输入？在下面的代码中，我标记了变量，我认为我必须在存储它们之后恢复它们。在

z = C.layers.Dense(.... )
loss = error = C.squared_error(z, **l**)
**trainer** = C.Trainer(**z**, (loss, error), [mylearner], my_tensorboard_writer)

Answer 1

你可以恢复你的教练，但实际上我更喜欢加载我的模型m。原因很简单，创建一个全新的训练器要容易得多，因为你可以更容易地更改训练器的所有其他参数。 然后，您可以从加载的模型中获取输入变量（如果您的网络只有一个输入）：

input_var = m.arguments[0]

然后需要模型的输出：

^{pr2}$

并使用目标输出target_output定义损失函数：

C.squared_error(output, target_output)

使用你的模型和损失函数，你可以重新创建你的教练，设置学习率等，你喜欢