Preface

之前看API以为bucket是一个根植于底层操作的接口(MXNet doc功不可没 -_-|| )。从LSTM看过来，接触到了一些相关的程序，后面再把bucketing_module.py那部分查看了下，发现bucket只是一个应用层机制，主要的实现存在于module/bucketing_module.py里面。原理清晰，实现简洁，在这做个记号。

Code & Comments

先放些相关的链接，做个预备。

1. MXNet 官方的文档(\tucao 出个文档真不容易，还带时效性...)
2. 大神的blog阐述，鞭辟入里
3. 之前关于LSTM的blog

   鉴于大神已经在这篇[blog]里面说得生动透彻了，这里就能省就省，然后说些大神没功夫顾及的细节。

   另外考虑到MXNet的链接经常表现出不靠谱的症状(\kuxia)，归结一下1中有些用的结论:要使用bucket机制，初始化Module时传入的symbol应该是一个函数，这个函数在被调用时将被传入迭代器中的bucket_key参数。

在fit里面经过bind,init等操作，后面会调用prepare对预取出的数据(如果有)进行准备：

# module/bucketing_module.py
    def prepare(self, data_batch):
        """Prepares a data batch for forward.

        Parameters
        ----------
        data_batch : DataBatch
        """
        # perform bind if haven‘t done so
        assert self.binded and self.params_initialized
        bucket_key = data_batch.bucket_key
        original_bucket_key = self._curr_bucket_key
        data_shapes = data_batch.provide_data
        label_shapes = data_batch.provide_label
        self.switch_bucket(bucket_key, data_shapes, label_shapes)
        # switch back
        self.switch_bucket(original_bucket_key, None, None)

显然，switch_bucket就是负责进行重新绑定的:

# module/bucketing_module.py
    def switch_bucket(self, bucket_key, data_shapes, label_shapes=None):
         assert self.binded, ‘call bind before switching bucket‘
        if not bucket_key in self._buckets:    # check if there is already...
            symbol, data_names, label_names = self._sym_gen(bucket_key)
            module = Module(symbol, data_names, label_names,
                            logger=self.logger, context=self._context,
                            work_load_list=self._work_load_list,
                            fixed_param_names=self._fixed_param_names,
                            state_names=self._state_names)
            module.bind(data_shapes, label_shapes, self._curr_module.for_training,
                        self._curr_module.inputs_need_grad,
                        force_rebind=False, shared_module=self._buckets[self._default_bucket_key])
            self._buckets[bucket_key] = module

        self._curr_module = self._buckets[bucket_key]
        self._curr_bucket_key = bucket_key

逻辑很明白，_curr_module里面放了众多的module，这些module的参数全都指向同一组。如果出入的bucket_key没有出现过，就bind一个并放入*_curr_module列表里面去；如果已经有了(包括刚刚bind出来的)，就切换到那个module*上。

Misc

其他有一些相关的材料顺带放在这。

1. 上一篇blog里面推测bucket机制可能会对补齐的那部分进行处理，这一点与io.py里面的DataBatch中pad变量有些联系。在module/base_module.py中，查找pad的引用，发现和io.py里面的注释一致，只在prediction的时候进行了使用，训练的时候被忽视。
2. exmple/rnn/bucketing里面有更高层接口的使用示例。