你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

使用 BrainScript 的顶级命令

项目
11/09/2016

主要顶级命令train，testeval/并显示在“训练”、“测试”、“Eval”页上。下面详细介绍了进一步的顶级命令。

调整命令

此命令使用 KL 差异正则化调整已训练的模型。建议使用模型编辑执行所有其他改编。改编命令与训练命令非常相似，只不过它又承载了两个参数：

originalModelFileName：要改编的模型的文件名。
refNodeName：计算网络中节点的名称，该节点将用于 KL 差异正则化。

CV

此命令评估开发 (或交叉验证) 集的一系列不同时期的模型，并显示最佳模型的信息。除了用于测试命令的参数外，此命令还使用参数

crossValidationInterval：3 个整数数组，用于标识要计算的起始纪元、纪元增量和最终纪元。例如，3：2：9 表示将计算模型 3，5，7 和 9。
sleepTimeBetweenRuns：运行之间等待的秒数。仅当 GPU 太热时，才需要此操作。

写入命令

此命令将输出节点的值写入文件。相关参数为

reader：读取器配置块，用于读取输入数据。
writer：编写器配置块，以确定如何写入输出数据。如果未指定此值，将使用 outputPath 参数。
minibatchSize：读取和处理数据集时要使用的小块大小。
epochSize：数据集的大小。默认为 0。如果数据集设置为 0，将评估整个数据集。
modelPath：用于计算输出的模型的路径。
outputPath：用于以文本格式写入输出的文件的路径。如果编写器块存在，此参数将被忽略。 outputPath 或编写器必须存在。
outputNodeNames：要写入文件的一个或多个输出节点名称的数组。

编辑命令

此命令编辑模型并将修改后的模型保存到文件中。此方法已弃用。关联的参数包括：

editPath：要执行的 MEL 脚本的路径。
ndlMacros：将在 MEL 脚本中加载和使用 NDL 宏文件的路径。

SVD 命令

此命令使用可学习参数的 SVD 分解执行低排名近似值。主要动机是将具有两个低级矩阵的权重矩阵分解为提高推理速度，同时保持准确性。例如：

svd = [
    action = "SVD"
    modelPath = "train\lstm.model.67"
    outputModelPath = "train\lstm.model.svd"
    SVDConfig = "nodeConfigs"
]

关联的参数块包括：

modelPath：指定加载初始模型的位置。
outputModelPath：指定保存修订后的模型的位置。
SVDConfig：一个配置文件，指定如何为不同节点组执行 SVD。此配置采用两列格式：

<NodeNameRegex> <float>

第一列是正则表达式，它将匹配一个组中的节点名称。第二列是一个浮点数，指示 SVDenergy 在 SVD 之后将保留哪些百分比，其中 SVD 能量定义为奇数值之和。例如，配置

`LSTMoutput[1-3].Wx[ifco] 0.4`
`LSTMoutput[1-3].Wh[ifco] 0.6`

对于从 x 到 i、f、c、o 门) 的非重复连接， (0.4) 分解，LSTM 中的非重复连接) 会导致更激进的 SVD 分解，对于从 h 到 i、f、c、o 入口) 的循环 ( (连接，其中参数名称在 NDL 中定义。

Dumpnode 命令

此命令将节点 () 的信息转储到输出文件中，也可以通过更大的控制在 MEL 中完成。相关参数包括：

modelPath：包含要转储的节点的模型文件的路径。
nodeName：要写入文件的节点的名称。如果未指定所有节点，则会转储。
nodeNameRegex：要写入文件的节点名称的正则表达式。如果指定， nodeName 则忽略参数。
outputFile：输出文件的路径。如果未指定文件名，则会根据 modelPath 自动生成文件名。
printValues：确定是否打印与节点关联的值（如果节点的值保留在模型中）。默认为 true。
printMetadata：确定是否打印与节点关联的元数据 (节点名称、维度等) 。默认为 true。

WriteWordAndClass 命令 (已弃用)

此命令读取文本训练数据，对训练集中每个单词的出现次数进行计数，按计数的降序对单词进行排序，为每个单词指定唯一 ID，为每个单词分配一个类，并生成一个四列词汇文件和一个由 (弃用的) LMSequenceReader 使用的单词到 ID 映射文件，以训练基于类的语言模型。相关参数包括：

inputFile：文本训练文件的路径。
outputVocabFile：生成的四列词汇文件的名称。第一列是单词 ID，第二列是单词的计数，第三列是单词，第四列是类 ID。
outputWord2Cls：生成的单词到类映射文件的路径。
outputCls2Index：生成的类到 wordId 映射文件的路径。
vocabSize：所需的词汇大小。
nbrClass：所需类数。
cutoff：截止计数。当单词的计数低于或等于此值时，单词将被视为。默认值为 2。请注意，仅当所需词汇大小大于训练集中存在的实际单词数时，才使用此参数。

CreateLabelMap 命令

通常可以轻松手动创建标签映射文件。但是，有时，你希望自动生成标签映射文件，这是 CreateLabelMap 命令的用途。目前，UCIFastReader 是唯一支持此操作的读取器。相关参数为

section：参数块名称通常 (训练块) ，该块具有将用于生成标签映射文件的读取器子块。生成的标签映射文件将保存到此参数块的读取器子块中指定的 labelMappingFile。
minibatchSize：创建标签映射文件时要使用的小块大小。

DoEncoderDecoder 命令

神经网络可用于形成网络链。前几个网络可以作为编码器工作，以下网络可以充当解码器。每个网络中都使用特殊节点 PairNetworkNode 为其他网络连接的套接字提供服务。相关参数为

section：encoderReader 和 decoderReader 是编码器和解码器的读取器。同样，对于编码器CVReader 和解码器CVReader，用于验证集。
encoderNetworkBuilder 和 decoderNetworkBuilder：这些指定要使用的简单网络生成器。

BNStat 命令

评估批处理规范化节点的评估和测试数据集的平均值和方差很棘手。虽然平均值和方差可以通过运行平均值或 exp 进行训练来计算，但我们仍然倾向于提供更稳定、更可靠的方法来生成批处理规范化平均值和方差--后批处理规范化统计信息。训练后需要调用该命令。它将为每个 BN 层生成平均值和方差。

modelPath：包含已训练模型的模型文件的路径
minibatchSize：评估时使用的小型批大小，与训练 minibatchSize 相同
itersPerNode：每个批处理规范化节点的统计信息迭代
reader：读取器配置块，用于读取测试数据。有关详细信息，请参阅读取器块
enableDistributedMBReading：并行训练中的分布式读取

通过