Se usó la API de Cloud Translation para traducir esta página.
Switch to English

tf.estimator.experimental.InMemoryEvaluatorHook

TensorFlow 1 versión Ver código fuente en GitHub

Enganche para ejecutar la evaluación en la formación sin un puesto de control.

Hereda de: SessionRunHook

Ejemplo:

 def train_input_fn():
  ...
  return train_dataset

def eval_input_fn():
  ...
  return eval_dataset

estimator = tf.estimator.DNNClassifier(...)

evaluator = tf.estimator.experimental.InMemoryEvaluatorHook(
    estimator, eval_input_fn)
estimator.train(train_input_fn, hooks=[evaluator])
 

Las limitaciones actuales de este enfoque son:

  • No es compatible con el modo distribuido de múltiples nodos.
  • No es compatible con otros objetos saveable que variables (como el soporte del árbol impulsado)
  • No es compatible con la lógica protector personalizado (como apoyo ExponentialMovingAverage)

estimator Un tf.estimator.Estimator ejemplo, para evaluar la llamada.
input_fn Equivalente a la input_fn arg a estimator.evaluate . Una función que construye los datos de entrada para la evaluación. Ver Creación de funciones de entrada para obtener más información. La función debe construir y devolver uno de los siguientes:

  • Objeto A 'tf.data.Dataset': Salidas de Dataset de objeto debe ser una tupla (características, etiquetas) con mismas restricciones que a continuación.
  • Una tupla (características, etiquetas): Donde features es un Tensor o un diccionario de nombre de elemento de cadena para Tensor y labels es una Tensor o un diccionario de nombre de etiqueta cadena a Tensor . Ambas features y labels son consumidos por model_fn . Deben satisfacer las expectativas de model_fn de entradas.
steps Equivalente a los steps Arg a estimator.evaluate . Número de pasos para la cual evaluar modelo. Si None , evalúa hasta input_fn genera una excepción al final de la entrada.
hooks Equivalente a los hooks Arg a estimator.evaluate . Lista de SessionRunHook casos subclase. Se utiliza para las devoluciones de llamada dentro de la llamada evaluación.
name Equivalente al name arg a estimator.evaluate . Nombre de la evaluación si las necesidades del usuario para ejecutar múltiples evaluaciones en diferentes conjuntos de datos, como en el entrenamiento de los datos frente a los datos de prueba. Métricas para diferentes evaluaciones se guardan en carpetas separadas, y aparecen por separado en tensorboard.
every_n_iter int , corre el evaluador una vez cada iteración de entrenamiento N.

ValueError Si every_n_iter no es positivo o no es una única máquina de formación

Métodos

after_create_session

Ver fuente

Hace la primera carrera que muestra las métricas eval antes del entrenamiento.

after_run

Ver fuente

Se ejecuta evaluador.

before_run

Ver fuente

Se llama antes de cada llamada a ejecutar ().

Usted puede regresar a esta convocatoria un SessionRunArgs objeto que indica ops o tensores para añadir a la próxima run() llamada. Estos OPS / tensores se llevará a cabo junto con la OPS / tensores pasado originalmente a la llamada de funcionamiento de la original (). Los argumentos de ejecución que retorno también puede contener los alimentos que se añadirán a la llamada run ().

El run_context argumento es una SessionRunContext que proporciona información acerca de la próxima run() llamada: el OP / tensores solicitados originalmente, la Sesión TensorFlow.

En este gráfico de puntos está finalizado y no se puede agregar ops.

args
run_context A SessionRunContext objeto.

Devoluciones
Ninguno o un SessionRunArgs objeto.

begin

Ver fuente

Construir el gráfico eval y restaurar op.

end

Ver fuente

Se ejecuta evaluador para el modelo final.