mxnet学习(3):autograd

reference:https://mxnet.incubator.apache.org/api/python/autograd/autograd.html

1.基本操作

使用x.attach_grad()为梯度分配空间，调用with autograd.record()计算梯度，再使用backward()进行反传

2. BN and dropout

BN, dropout这些层在训练和测试的时候是不同的，BN在训练的时候是根据每个mini-batch的均值和方差进行计算并更新参数，在测试的时候是使用训练集上得到的一个参数进行计算。dropout在测试的时候是没有的。因此需要在不同的时候加以区别（这一点在pytorch中也是存在）。

使用with autograd.record():，默认为train_mode = True

也可以使用with autograd.train_mode(),with autograd.predict_mode()或者with autograd.record(train_mode = False)等方式手动控制

3. pause

可以在with autograd.record():中使用with autograd.pause()暂停保存梯度.

eg:

with autograd.record():
    y = model(x)
    backward([y])
    with autograd.pause():
        # testing, IO, gradient updates..