Perform one iteration (epoch) of Neural Network training with mini-batch Stochastic Gradient Descent. The training targets are usually pdf-posteriors, prepared by ali-to-post.

Usage:  nnet-train-frmshuff [options] <feature-rspecifier> <targets-rspecifier> <model-in> [<model-out>]
e.g.: nnet-train-frmshuff scp:feats.scp ark:posterior.ark nnet.init nnet.iter1

// main loop
while (!feature_reader.Done()) {
    //填滿各個randomizer
    for ( ; !feature_reader.Done(); feature_reader.Next()) {
        // 一次循環(huán)讀一句話
        
        // 特征放在feature_randomizer里
        // targets放在targets_randomizer里
        // 每一幀、每一句相關的weights放在weights_randomizer里
        
        // 如果feature_randomizer被填滿的話，退出該for循環(huán)，進行一次訓練
        // feature_randomizer的大小由相關NnetDataRandomizerOptions類的成員變量randomizer_size（默認初始化為32768）決定
        // 也就是feature_randomizer中一共可以存放32768幀，存滿后就進行訓練
        // 可以通過參數(shù) --randomizer-size指定其大小
    }
    
    // 對feature_randomizer里的幀進行隨機重排
    // 對target_randomizer和weights_randomizer也進行隨機重排
    
    // 對randomizer里的數(shù)據(jù)進行訓練（使用mini-batches）
    // 幾個randomizer的Next()將指向?qū)嶋H數(shù)據(jù)開始位置的指針移動一個minibatch的大小
    for ( ; !feature_randomizer.Done(); feature_randomizer.Next(),
                                        targets_randomizer.Next(),
                                        weights_randomizer.Next()){
        // 拿出一個minibatch大小的feature/target對
        
        // 跑網(wǎng)絡的前向
        nnet.Propagate(nnet_in, &nnet_out);
        
        // 根據(jù)目標函數(shù)的類型，估計前向輸出和實際target的diff
        // 支持的目標函數(shù)類型：交叉熵xent，mse和multitask
        // 以xent為例：
        xent.Eval(frm_weights, nnet_out, nnet_tgt, &obj_diff);
        
        // 跑網(wǎng)絡的反向（如果不是cv（交叉驗證））
        nnet.Backpropagate(obj_diff, NULL);
        
        // 如果是第一個minibatch，打印網(wǎng)絡的相關信息
    }
}
// 如果是最后一個minibatch，打印網(wǎng)絡的相關信息

// 將nnet寫到文件（如果不是cv）

// 打印和目標函數(shù)相關的一些信息

所有的Randmoizer都根據(jù)mask進行隨機化

/**
 * Generates randomly ordered vector of indices,
 */
class RandomizerMask
/**                                                             
 * Shuffles rows of a matrix according to the indices in the mask, 
 */                                                         
class MatrixRandomizer

下一步學習重點：
Nnet類的幾個成員函數(shù)（nnet/nnet-nnet.h）

// 跑網(wǎng)絡的前向
nnet.Propagate(nnet_in, &nnet_out);
// 根據(jù)目標函數(shù)的類型，估計前向輸出和實際target的diff
// 支持的目標函數(shù)類型：交叉熵xent，mse和multitask
// 以xent為例：
xent.Eval(frm_weights, nnet_out, nnet_tgt, &obj_diff);
// 跑網(wǎng)絡的反向（如果不是做cv（交叉驗證））
nnet.Backpropagate(obj_diff, NULL);