Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tf.estimator.CheckpointSaverListener

Zobacz źródło na GitHub

Interfejs dla słuchaczy, że podjęcia działań przed lub po punkcie kontrolnym oszczędzania.

CheckpointSaverListener wyzwala tylko w krokach po CheckpointSaverHook zostanie uruchomiony, i zapewnia wywołania zwrotne w następujących punktach:

  • Przed użyciem sesji
  • przed każdym wywołaniu Saver.save()
  • Po każdym wywołaniu Saver.save()
  • na koniec sesji

Aby użyć słuchacza, zaimplementować klasę i przekazać słuchaczowi do CheckpointSaverHook , jak w poniższym przykładzie:

 class ExampleCheckpointSaverListener(CheckpointSaverListener):
  def begin(self):
    # You can add ops to the graph here.
    print('Starting the session.')
    self.your_tensor = ...

  def before_save(self, session, global_step_value):
    print('About to write a checkpoint')

  def after_save(self, session, global_step_value):
    print('Done writing checkpoint.')
    if decided_to_stop_training():
      return True

  def end(self, session, global_step_value):
    print('Done with the session.')

...
listener = ExampleCheckpointSaverListener()
saver_hook = tf.estimator.CheckpointSaverHook(
    checkpoint_dir, listeners=[listener])
with
tf.compat.v1.train.MonitoredTrainingSession(chief_only_hooks=[saver_hook]):
  ...
 

CheckpointSaverListener może podjąć pewne działania po prostu po każdym checkpoint uratować. Jest również możliwe, że słuchacz używać własnego harmonogramu rzadziej działać, na przykład na podstawie global_step_value. W tym przypadku należy wdrożyć implementors end() metody do działań związanych z uchwytem do ostatniego punktu kontrolnego oszczędzania. Ale słuchacz nie powinien działać dwa razy jeśli after_save() już obchodzić ten ostatni punkt kontrolny Zapisz.

CheckpointSaverListener może żądać szkolenie musi być przerwane, powracając prawdziwe w after_save . Należy pamiętać, że w otoczeniu replikowane rozprowadzane szkoleniowej, tylko chief powinien używać tego zachowania. W przeciwnym razie każdy pracownik będzie robić swoje oceny, która może być marnotrawstwem zasobów.

metody

after_save

Pokaż źródło

before_save

Pokaż źródło

begin

Pokaż źródło

end

Pokaż źródło