Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

tf.estimator.experimental.InMemoryEvaluatorHook

TensorFlow 1 versi Lihat sumber di GitHub

Menghubungkan untuk menjalankan evaluasi dalam pelatihan tanpa pos pemeriksaan.

Mewarisi Dari: SessionRunHook

Contoh:

 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])
 

keterbatasan saat dari pendekatan ini adalah:

  • Ini tidak mendukung modus didistribusikan multi-node.
  • Ini tidak mendukung objek saveable selain variabel (seperti dukungan pohon didorong)
  • Tidak mendukung logika saver kustom (seperti dukungan ExponentialMovingAverage)

estimator Sebuah tf.estimator.Estimator misalnya untuk panggilan mengevaluasi.
input_fn Setara dengan input_fn arg untuk estimator.evaluate . Sebuah fungsi yang membangun input data untuk evaluasi. Lihat Membuat fungsi masukan untuk informasi lebih lanjut. Fungsi harus membangun dan kembali salah satu berikut:

  • A 'tf.data.Dataset' objek: Output dari Dataset objek harus menjadi tuple (fitur, label) dengan kendala yang sama seperti di bawah ini.
  • Sebuah tuple (fitur, label): Dimana features adalah Tensor atau kamus nama fitur string untuk Tensor dan labels adalah Tensor atau kamus nama label string untuk Tensor . Kedua features dan labels dikonsumsi oleh model_fn . Mereka harus memenuhi harapan model_fn dari input.
steps Setara dengan steps arg untuk estimator.evaluate . Sejumlah langkah yang untuk mengevaluasi model yang. Jika None , mengevaluasi sampai input_fn menimbulkan end-of-masukan pengecualian.
hooks Setara dengan hooks arg untuk estimator.evaluate . Daftar SessionRunHook kasus subclass. Digunakan untuk callback dalam panggilan evaluasi.
name Setara dengan name arg untuk estimator.evaluate . Nama evaluasi jika kebutuhan pengguna untuk menjalankan beberapa evaluasi pada set data yang berbeda, seperti pada pelatihan Data vs data uji. Metrik untuk evaluasi yang berbeda disimpan dalam folder terpisah, dan muncul secara terpisah di tensorboard.
every_n_iter int , menjalankan evaluator sekali setiap pelatihan iterasi N.

ValueError jika every_n_iter adalah non-positif atau itu bukan pelatihan mesin tunggal

metode

after_create_session

Lihat sumber

Apakah menjalankan pertama yang menunjukkan metrik eval sebelum pelatihan.

after_run

Lihat sumber

Berjalan Evaluator.

before_run

Lihat sumber

Disebut sebelum setiap panggilan untuk menjalankan ().

Anda dapat kembali dari panggilan ini SessionRunArgs obyek menunjukkan ops atau tensor untuk menambah mendatang run() panggilan. Ini ops / tensor akan dijalankan bersama-sama dengan ops / tensor awalnya diteruskan ke run asli () panggilan. Args run Anda kembali juga dapat berisi feed yang akan ditambahkan ke run () panggilan.

The run_context Argumen adalah SessionRunContext yang menyediakan informasi tentang mendatang run() panggilan: awalnya diminta op / tensor, Sidang TensorFlow.

Pada grafik titik ini diselesaikan dan Anda tidak dapat menambahkan ops.

args
run_context Sebuah SessionRunContext objek.

Pengembalian
Tidak ada atau SessionRunArgs objek.

begin

Lihat sumber

Membangun grafik eval dan memulihkan op.

end

Lihat sumber

Berjalan evaluator untuk model akhir.