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

tf.estimator.TrainSpec

TensorFlow 1 wersja Zobacz źródło na GitHub

Konfiguracja dla „Pociąg” części do train_and_evaluate rozmowy.

Stosowany w notebookach

Używany w przewodniku Używany w samouczków

TrainSpec określa dane wejściowe w szkoleniu, jak i czas trwania. Opcjonalne haki uruchomić na różnych etapach szkolenia.

Stosowanie:

train_spec = tf.estimator.TrainSpec(
   input_fn=lambda: 1,
   max_steps=100,
   hooks=[_StopAtSecsHook(stop_after_secs=10)],
   saving_listeners=[_NewCheckpointListenerForEvaluate(None, 20, None)])
train_spec.saving_listeners[0]._eval_throttle_secs
20
train_spec.hooks[0]._stop_after_secs
10
train_spec.max_steps
100

input_fn Funkcja, która dostarcza dane wejściowe do szkolenia jako minibatches. Zobacz premade estymatorów , aby uzyskać więcej informacji. Funkcja powinna skonstruować i powrót jedną z następujących czynności:

  • Object „tf.data.Dataset”: Wyjścia Dataset obiektu musi być krotką (cechy, etykiety) z tymi samymi ograniczeniami jak poniżej.
  • Krotka (cechy, etykiety): Gdzie wyposażony jest Tensor lub słownikiem nazwy funkcji ciąg Tensor i etykiet jest Tensor lub słownikiem nazwę etykiety ciąg Tensor .
max_steps Int. liczba dodatnia całkowitych krokach, dla którego modelu kolejowego. Jeśli None , pociąg zawsze. Szkolenie input_fn Nie należy oczekiwać, aby wygenerować OutOfRangeError lub StopIteration wyjątki. Zobacz train_and_evaluate sekcję stan zatrzymania szczegóły.
hooks Iterowalny z tf.train.SessionRunHook sprzeciwia się działać na wszystkich pracowników (w tym naczelny) podczas treningu.
saving_listeners Iterowalny z tf.estimator.CheckpointSaverListener sprzeciwia się uruchomić na naczelnego podczas treningu.

ValueError Jeśli którykolwiek z argumentów wejściowych jest nieprawidłowy.
TypeError Jeśli którykolwiek z argumentów nie jest oczekiwanego typu.

input_fn

max_steps

hooks

saving_listeners