CNTK C++ API 中 Function::Forward 和 Trainer::TrainMinibatch 的区别
Difference between Function::Forward and Trainer::TrainMinibatch in CNTK C++ API
我正在尝试从 CNTKLibrary.h
为 CNTK（因为没有官方文档）逆向工程 C++ API
我制作了一个 RNN 网络（主要是通过遵循单元测试源代码）并且它似乎工作正常（至少现在没有编译或运行时错误！！！）
在单元测试源代码中，我看到他们使用 Function::Forward 和 Function::Backward 来计算 "trainingLoss" 和 "predection"，但也遵循 Python 示例我发现我可以使用关联的学习器优化器 (FSAdaFradLearner) 创建 "Trainer"，然后在那个 poinetr 上调用 "TrainMinibatch"。
现在我的问题是，哪一个是训练模型的正确方法？
实现同一件事有不同的抽象级别。
Trainer是一个wrapper/convenienceclass，为你记住一些东西，比如根节点和学习者，并提供方便的功能TrainMinibatch()，这实际上是 Forward()、Backward() 和 learner.Update().
的序列
C++ API 与 Python API 非常相似。事实上，大多数 Python API 函数和 classes 只是相应的 C++ 函数和 classes 的包装器。因此，尽管由于语言和类型系统的差异，方法签名并非 100% 匹配，但 Python 文档中描述的任何逻辑都应直接适用于 C++。
在典型用例中，调用 TrainMinibatch() 将在此处结束：[https://github.com/Microsoft/CNTK/blob/94e6582d2f63ce3bb048b9da01679abeacda877f/Source/CNTKv2LibraryDll/Trainer.cpp#L193
它调用 ExecuteForwardBackward()，它调用 Forward() 和 Backward()。您可以将其用作如何调用这些函数的示例。
我正在尝试从 CNTKLibrary.h
为 CNTK（因为没有官方文档）逆向工程 C++ API我制作了一个 RNN 网络（主要是通过遵循单元测试源代码）并且它似乎工作正常（至少现在没有编译或运行时错误！！！）
在单元测试源代码中，我看到他们使用 Function::Forward 和 Function::Backward 来计算 "trainingLoss" 和 "predection"，但也遵循 Python 示例我发现我可以使用关联的学习器优化器 (FSAdaFradLearner) 创建 "Trainer"，然后在那个 poinetr 上调用 "TrainMinibatch"。
现在我的问题是，哪一个是训练模型的正确方法？
实现同一件事有不同的抽象级别。
Trainer是一个wrapper/convenienceclass，为你记住一些东西，比如根节点和学习者，并提供方便的功能TrainMinibatch()，这实际上是 Forward()、Backward() 和 learner.Update().
C++ API 与 Python API 非常相似。事实上，大多数 Python API 函数和 classes 只是相应的 C++ 函数和 classes 的包装器。因此，尽管由于语言和类型系统的差异，方法签名并非 100% 匹配，但 Python 文档中描述的任何逻辑都应直接适用于 C++。
在典型用例中，调用 TrainMinibatch() 将在此处结束：[https://github.com/Microsoft/CNTK/blob/94e6582d2f63ce3bb048b9da01679abeacda877f/Source/CNTKv2LibraryDll/Trainer.cpp#L193
它调用 ExecuteForwardBackward()，它调用 Forward() 和 Backward()。您可以将其用作如何调用这些函数的示例。