http://zh.diveintodeeplearning.org/chapter_computational-performance/hybridize.html
请问前馈函数中F是一定要的吗？我在写一个多输入多输出的网络的时候，他报错说期望参数输入为ndarray却只拿到了symbol 见https://discuss.gluon.ai/t/topic/1778/3?u=xiaogehh
一定要F,已解决.
HybridBlock上是必须的
请问：
-
net.hybridize()是不是只能针对输入大小固定不变的场景？（比如image-to-image的情况，运行输入大小能够改变，此时能够转为symbol吗？） -
个人看到RNN是继承自
Block而不是HybridBlock，这就是说明这类型的不能转为symbol对吧？（这个问题可能有些蠢，可能时间序列方面的层本身就不适合静态的—这方面不太了解）
谢谢～ 
也可以，只是可能会用频繁的内存重新分配，导致性能稍微差一点
RNN里面已经fuse了，你可以认为一部分图做了hybridize了。至于把可以hybridize的RNN做了的收益，目前还没有定论。所以先只是继承了Block，为了理解上方便
注意到Hybridize章节最下面的Sequential打成了Sequental， 不知道我理解的对不对 
谢谢，update了
wow 好迅速～:grin:
Mxnet的命令式接口是否也和pytorch一样使用了动态图计算？ Hybrid的网络还symbol API用静态图优化做的计算
给位大神，运行时出现这个问题咋解决？OSError: /lib64/libc.so.6: version `GLIBC_2.16’ not found (required by /home/webmaster/miniconda3/envs/gluon/lib/python3.6/site-packages/mxnet/libmxnet.so) glibc版本也升到2.16了还是不行！
大量使用Gluon动态图接口的话，Hybirdize很痛苦
不知道有没有计划在symbol API里提供类似于tf.cond()的函数，方便使用？
Github上的issue的建议也只是使用where()去尽量实现：
暂时没有。但就做partial hybridize就行了吧。坏处是依赖python，但性能上应该差不多
嗯嗯，谢谢回复
主要是看Amazon那边有一个mxnet-model-server，但需要symbol.json才能运行，不能直接调用gluon定义的网络
哦，最近那么会有新的更快的server出来，要么mxnet-model-server会支持gluon
我在该部分文档中看到一句话：因为Python的代码只执行一次，而且是符号式的执行，那么使用print来调试，或者使用if和for来做复杂的控制都不可能了。
那如果我的代码中有if和for语句的话，那该怎么替换他们以便使用hybridze，for语句倒是可以暴力穷举来实现，那if语句怎么办。。。用while？。。。
emmm，去看了一下相关的课程视频，好像其实也是可以用for和if语句，但是for和if语句里面必须是固定的数值，而不能是变动的变化的。。不知道我理解的对不对
请问。。我写了一个由LSTMCell组成的网络，如果不net.hybridize()，那么不报错。但是hybridize了之后报错。。不知道为什么。。部分代码如下
class MyLSTM(nn.HybridBlock):
def __init__(self, hidden_dim, **kwargs):
super(MyLSTM, self).__init__(**kwargs)
self.hidden_dim = hidden_dim
with self.name_scope():
self.drop = nn.Dropout(0.5)
self.encoder = rnn.LSTMCell(hidden_size=self.hidden_dim, prefix='encoder')
self.decoder = rnn.LSTMCell(hidden_size=self.hidden_dim, prefix='decoder')
self.output_layer = nn.Dense(3*16)
简单的逻辑是，Encoder编码，然后传state给Decoder再解码
报错是
mxnet.base.MXNetError: Error in operator mylstm0_encoder_plus0: [19:56:44] d:\program files (x86)\jenkins\workspace\mxnet-tag\mxnet\src\operator\tensor…/elemwise_op_common.h:123: Check failed: assign(&dattr, (*vec)[i]) Incompatible attr in node mylstm0_encoder_plus0 at 1-th input: expected [5,200], got [64,200]
rnn的cell api需要在forward时候手动unroll，并且因为unroll长度时计算图不一样，不能用HybridBlock
1赞
那应该继承自什么才能够hybridize呢？
我看到LSTMCell继承自HybridRecurrentCell，这个应该是支持hybridize的
目前RNN都不支持完整图的hybridize，HybridRecurrentCell的作用是重用这一个RNN cell里的计算图，cell的展开依然是可变的