gluon架构
image
第一部分是定义模型，用户写模型代码或者逻辑的地方，第二部分是gluon定义的一些算子接口，比如卷积，bn那些，当前还是比较缺乏，第三部分是block, 这里是用户写模型要交互的类，gluon定义了forward等一些重要函数，变量都定义在这，比如forward接口函数，梯度，weight等等第四部分运行时，gluon定义了自动求导等等，在这里gluon和原生mxnet有一个对比的部分，最后两者调用一样的mxnet后端
执行流图
image
- 用HybridBlock写模型，默认用ndarray命令式执行前向计算，更新梯度
- 执行hybridize后，第一次执行hybrid_forward会存储计算图，以后再调用直接调用计算图
类图关系
image
python层面的代码，contrib应该会放一些贡献者的包装好的算子代码什么的；data用于加载数据；model_zoo里面定义了很多模型，目前主要是分类模； nn定义了常见的一些神经网络层，conv, bn, active等；rnn里面定义循环卷积的算子；block定义了block, hybridblock等逻辑，这个是gluon最重要的接口；loss里面定义各种各样的loss函数；parameter定义的参数权重的类，包装了一个字典；trainer,主要用于更新梯度。
主要的类图关系如下图：
image
