MXNet fit介绍

在MXNet中， Module 提供了训练模型的方便接口。使用 symbol 将计算图建好之后，用 Module 包装一下，就可以通过 fit() 方法对其进行训练。当然，官方提供的接口一般只适合用来训练分类任务，如果是其他任务（如detection, segmentation等），单纯使用 fit() 接口就不太合适。这里把 fit() 代码梳理一下，也是为了后续方便在其基础上实现扩展，更好地用在自己的任务。

其实如果看开源代码数量的话，MXNet已经显得式微，远不如TensorFlow，PyTorch也早已经后来居上。不过据了解，很多公司内部都有基于MXNet自研的框架或平台工具。下面这张图来自LinkedIn上的一个 Slide分享 ，姑且把它贴在下面，算是当前流行框架的一个比较（应该可以把Torch换成PyTorch）。

准备工作

首先，需要将数据绑定到计算图上，并初始化模型的参数，并初始化求解器。这些是求解模型必不可少的。

其次，还会建立训练的metric，方便我们掌握训练进程和当前模型在训练任务的表现。

这些是在为后续迭代进行梯度下降更新做准备。

迭代更新

使用SGD进行训练的时候，我们需要不停地从数据迭代器中获取包含data和label的batch，并将其feed到网络模型中。进行forward computing后进行bp，获得梯度，并根据具体的优化方法（SGD, SGD with momentum, RMSprop等）进行参数更新。

这部分可以抽成：

# in an epoch
while not end_epoch:
    batch = next(train_iter)
    m.forward_backward(batch)
    m.update()
    try:
        next_batch = next(data_iter)
        m.prepare(next_batch)
    except StopIteration:
        end_epoch = True

metric

在训练的时候，观察输出的各种metric是必不可少的。我们对训练过程的把握就是通过metric给出的信息。通常在分类任务中常用到的metric有Accuracy，TopK-Accuracy以及交叉熵损失等，这些已经在MXNet中有了现成的实现。而在 fit 中，调用了 m.update_metric(eval_metric, data_batch.label) 实现。这里的 eval_metric 就是我们指定的metric，而 label 是batch提供的label。注意，在MXNet中，label一般都是以 list 的形式给出（对应于多任务学习），也就是说这里的label是 list of NDArray 。当自己魔改的时候要注意。

logging

计算了eval_metric等信息，我们需要将其在屏幕上打印出来。MXNet中可以通过callback实现。另外，保存模型checkpoint这样的功能也是通过callback实现的。一种常用的场景是每过若干个batch，做一次logging，打印当前的metric信息，如交叉熵损失降到多少了，准确率提高到多少了等。MXNet会将以下信息打包成 BatchEndParam 类型（其实是一个自定义的 namedtuple ）的变量，包括当前epoch，当前迭代次数，评估的metric。如果你需要更多的信息或者更自由的logging监控，也可以参考代码自己实现。

我们以常用的 Speedometer 看一下如何使用这些信息，其功能如下，将训练的速度和metric打印出来。

Logs training speed and evaluation metrics periodically

PS:这里有个隐藏的坑。MXNet中的 Speedometer 每回调一次，会把 metric 的内容清除。这在训练的时候当然没问题。但是如果是在validation上跑，就会有问题了。这样最终得到的只是最后一个回调周期那些batch的metric，而不是整个验证集上的。如果在 fit 方法中传入了 eval_batch_end_callback 参数就要注意这个问题了。解决办法一是在 Speedometer 实例初始化时传入 auto_reset=False ，另一种干脆就不要加这个参数，默认为 None 好了。同样的问题也发生在调用 Module.score() 方法来获取模型在验证集上metric的时候。

可以在 Speedometer 代码中寻找下面这几行，会更清楚：

if param.eval_metric is not None:
    name_value = param.eval_metric.get_name_value()
    if self.auto_reset:
        param.eval_metric.reset()

在验证集上测试

当在训练集上跑过一个epoch后，如果提供了验证集的迭代器，会在验证集上对模型进行测试。这里，MXNet直接封装了 score() 方法。在 score 中，基本流程和 fit() 相同，只是我们只需要forward computing即可。

附

用了一段时间的MXNet，给我的最大的感觉是MXNet就像一个写计算图的前端，提供了很方便的 python 接口生成静态图，以及很多“可插拔”的插件（虽然可能不是很全，更像是一份guide而不是拿来即用的tool），如上文中的metric等，使其更适合做成流程化的基础DL平台，供给更上层方便地配置使用。缺点就是隐藏了比较多的实现细节（当然，你完全可以从代码中自己学习，比如从 fit() 代码了解神经网络的大致训练流程）。至于MXNet宣扬的诸如速度快，图优化，省计算资源等优点，因为我没有过数据对比，就不说了。

缺点就是写图的时候有时不太灵活（可能也是我写的看的还比较少），即使是和TensorFlow这种同为静态图的DL框架比。另外，貌似MXNet中很多东西都没有跟上最新的论文等，比如Cosine的learning rate decay就没有。Model Zoo也比较少(gluon可能会好一点，Gluon-CV和Gluon-NLP貌似是在搞一些论文复现的工作)。对开发来讲，很多东西都需要阅读代码才能知道是怎么回事，只是读文档的话容易踩坑。

说到这里，感觉MXNet的python训练接口（包括module，optimizer，metric等）更像是一份example代码，是在教你怎么去用MXNet，而不像一个灵活地强大的 工具 箱。当然，很多东西不能得兼，希望MXNet越来越好。