ネットワークの定義（Sequential, nn モジュール）

MXNetのGluon APIにおける「ネットワークの定義」は、モデル構築の第一歩であり、主に以下の2つの方法でニューラルネットワークを定義します。

---

1. gluon.nn.Sequential を使った定義

Sequential は、順番通りにレイヤーを積み重ねていくシンプルなモデル定義方法です。add() メソッドでレイヤーを追加するだけでモデルが構築されるため、簡易なネットワークの定義に適しています。

例

python
from mxnet.gluon import nn

net = nn.Sequential()
net.add(
    nn.Dense(128, activation='relu'),
    nn.Dense(64, activation='relu'),
    nn.Dense(10)  # 出力層（分類タスクの場合）
)

特徴

• 定義が簡潔。

• 入力と出力が一方向に流れるような単純な構造に向いている。

• カスタム処理を挟みにくい。

---

2. gluon.nn.Block を継承してカスタムネットワークを定義

より柔軟なモデル定義を行いたい場合は、nn.Block を継承して独自のクラスを作成します。これにより、分岐、再帰構造、複雑な前処理などを含んだネットワークを構築できます。

例

python
from mxnet.gluon import nn
from mxnet import nd

class MyNetwork(nn.Block):
    def __init__(self, **kwargs):
        super(MyNetwork, self).__init__(**kwargs)
        self.dense1 = nn.Dense(128, activation='relu')
        self.dense2 = nn.Dense(64, activation='relu')
        self.output = nn.Dense(10)

    def forward(self, x):
        x = self.dense1(x)
        x = self.dense2(x)
        return self.output(x)

net = MyNetwork()

特徴

• 自由度が高く、複雑な構造のモデルも構築可能。

• forward() メソッド内で任意の処理が記述できる。

• より本格的な研究・開発向き。

---

initialize() を用いたパラメータの初期化

どちらの方法でも、使用前にはモデルを初期化する必要があります。

python
from mxnet import init

net.initialize(init=init.Xavier())

---

HybridBlock との違い

柔軟性は Block に軍配が上がりますが、推論速度や省メモリ化を考慮する場合は HybridBlock を用いたハイブリッド化（コンパイル最適化）も検討します。

---

まとめ

Gluonはこのように命令型（Imperative）で直感的なモデル定義を可能にするため、開発やデバッグがしやすく、多くの開発者にとって扱いやすいAPI設計となっています。