MLコミュニティデーは11月9日です! TensorFlow、JAXからの更新のために私たちに参加し、より多くの詳細をご覧ください

LoggingTensorHookとStopAtStepHookをKerasコールバックに移行します

TensorFlow.orgで表示 GoogleColabで実行 GitHubでソースを表示 ノートブックをダウンロード

TensorFlow 1では、使用tf.estimator.LoggingTensorHookしながら、テンソルを監視し、ログに記録するtf.estimator.StopAtStepHook指定された段階で停止訓練を支援する場合とトレーニングtf.estimator.Estimator 。このノートブックは、カスタムKerasコールバック(使用TensorFlow 2にそれらの等価物に、これらのAPIから移行する方法を示しtf.keras.callbacks.Callback持つ) Model.fit

Kerasのコールバックは、内蔵Kerasの訓練/評価/予測の際に異なるポイントで呼ばれているオブジェクトであるModel.fit / Model.evaluate / Model.predictのAPI。あなたは中のコールバックについて詳しく学ぶことができtf.keras.callbacks.Callback APIドキュメントだけでなく、独自のコールバックライティングおよび方法を内蔵してトレーニングと評価を使用してコールバックセクション)ガイド。移行するためSessionRunHook TensorFlow 2におけるKerasコールバックにTensorFlow 1において、チェックアウト補助論理と移行トレーニングガイド。

設定

インポートとデモンストレーション用の簡単なデータセットから始めます。

import tensorflow as tf
import tensorflow.compat.v1 as tf1
features = [[1., 1.5], [2., 2.5], [3., 3.5]]
labels = [[0.3], [0.5], [0.7]]

# Define an input function.
def _input_fn():
  return tf1.data.Dataset.from_tensor_slices((features, labels)).batch(1)

TensorFlow 1:テンソルをログに記録し、tf.estimatorAPIを使用してトレーニングを停止します

TensorFlow 1では、トレーニング動作を制御するためのさまざまなフックを定義します。その後、あなたはこれらのフックを渡すtf.estimator.EstimatorSpec

以下の例では:

  • /ログテンソル-例えば、モデルの重みまたは監視するために損失を-使用tf.estimator.LoggingTensorHooktf.train.LoggingTensorHookその別名です)。
  • 具体的なステップで研修を停止するには、使用tf.estimator.StopAtStepHooktf.train.StopAtStepHookその別名です)。
def _model_fn(features, labels, mode):
  dense = tf1.layers.Dense(1)
  logits = dense(features)
  loss = tf1.losses.mean_squared_error(labels=labels, predictions=logits)
  optimizer = tf1.train.AdagradOptimizer(0.05)
  train_op = optimizer.minimize(loss, global_step=tf1.train.get_global_step())

  # Define the stop hook.
  stop_hook = tf1.train.StopAtStepHook(num_steps=2)

  # Access tensors to be logged by names.
  kernel_name = tf.identity(dense.weights[0])
  bias_name = tf.identity(dense.weights[1])
  logging_weight_hook = tf1.train.LoggingTensorHook(
      tensors=[kernel_name, bias_name],
      every_n_iter=1)
  # Log the training loss by the tensor object.
  logging_loss_hook = tf1.train.LoggingTensorHook(
      {'loss from LoggingTensorHook': loss},
      every_n_secs=3)

  # Pass all hooks to `EstimatorSpec`.
  return tf1.estimator.EstimatorSpec(mode,
                                     loss=loss,
                                     train_op=train_op,
                                     training_hooks=[stop_hook,
                                                     logging_weight_hook,
                                                     logging_loss_hook])

estimator = tf1.estimator.Estimator(model_fn=_model_fn)

# Begin training.
# The training will stop after 2 steps, and the weights/loss will also be logged.
estimator.train(_input_fn)
INFO:tensorflow:Using default config.
WARNING:tensorflow:Using temporary folder as model directory: /tmp/tmpjsjprljb
INFO:tensorflow:Using config: {'_model_dir': '/tmp/tmpjsjprljb', '_tf_random_seed': None, '_save_summary_steps': 100, '_save_checkpoints_steps': None, '_save_checkpoints_secs': 600, '_session_config': allow_soft_placement: true
graph_options {
  rewrite_options {
    meta_optimizer_iterations: ONE
  }
}
, '_keep_checkpoint_max': 5, '_keep_checkpoint_every_n_hours': 10000, '_log_step_count_steps': 100, '_train_distribute': None, '_device_fn': None, '_protocol': None, '_eval_distribute': None, '_experimental_distribute': None, '_experimental_max_worker_delay_secs': None, '_session_creation_timeout_secs': 7200, '_checkpoint_save_graph_def': True, '_service': None, '_cluster_spec': ClusterSpec({}), '_task_type': 'worker', '_task_id': 0, '_global_id_in_cluster': 0, '_master': '', '_evaluation_master': '', '_is_chief': True, '_num_ps_replicas': 0, '_num_worker_replicas': 1}
WARNING:tensorflow:From /tmpfs/src/tf_docs_env/lib/python3.7/site-packages/tensorflow/python/training/training_util.py:236: Variable.initialized_value (from tensorflow.python.ops.variables) is deprecated and will be removed in a future version.
Instructions for updating:
Use Variable.read_value. Variables in 2.X are initialized automatically both in eager and graph (inside tf.defun) contexts.
INFO:tensorflow:Calling model_fn.
WARNING:tensorflow:From /tmpfs/src/tf_docs_env/lib/python3.7/site-packages/tensorflow/python/training/adagrad.py:77: calling Constant.__init__ (from tensorflow.python.ops.init_ops) with dtype is deprecated and will be removed in a future version.
Instructions for updating:
Call initializer instance with the dtype argument instead of passing it to the constructor
INFO:tensorflow:Done calling model_fn.
INFO:tensorflow:Create CheckpointSaverHook.
INFO:tensorflow:Graph was finalized.
INFO:tensorflow:Running local_init_op.
INFO:tensorflow:Done running local_init_op.
INFO:tensorflow:Calling checkpoint listeners before saving checkpoint 0...
INFO:tensorflow:Saving checkpoints for 0 into /tmp/tmpjsjprljb/model.ckpt.
INFO:tensorflow:Calling checkpoint listeners after saving checkpoint 0...
INFO:tensorflow:loss = 0.5830949, step = 0
INFO:tensorflow:Tensor("Identity:0", shape=(2, 1), dtype=float32) = [[0.30387032]
 [0.5064908 ]], Tensor("Identity_1:0", shape=(1,), dtype=float32) = [0.]
INFO:tensorflow:loss from LoggingTensorHook = 0.5830949
INFO:tensorflow:Tensor("Identity:0", shape=(2, 1), dtype=float32) = [[0.25490892]
 [0.4569605 ]], Tensor("Identity_1:0", shape=(1,), dtype=float32) = [-0.04896141] (0.029 sec)
INFO:tensorflow:Calling checkpoint listeners before saving checkpoint 2...
INFO:tensorflow:Saving checkpoints for 2 into /tmp/tmpjsjprljb/model.ckpt.
INFO:tensorflow:Calling checkpoint listeners after saving checkpoint 2...
INFO:tensorflow:Loss for final step: 1.2171775.
<tensorflow_estimator.python.estimator.estimator.Estimator at 0x7f15ba10aa90>

TensorFlow 2:テンソルをログに記録し、カスタムコールバックとModel.fitを使用してトレーニングを停止します

あなたは組み込みのKeras使用TensorFlow 2では、 Model.fit (またはModel.evaluateトレーニング/評価のため)、カスタムKeras定義することにより、停止テンソルモニタリングやトレーニングを設定することができtf.keras.callbacks.Callback秒。その後、あなたはそれらを渡すcallbacksのパラメータModel.fit (またはModel.evaluate )。 (中に詳細情報の書き込み、独自のコールバックのガイド。)

以下の例では:

  • 機能再作成するにはStopAtStepHook 、(という名前のカスタムコールバックを定義StopAtStepCallbackあなたが上書き以下) on_batch_endのステップの特定の番号の後に停止訓練に方法を。
  • 再作成するにはLoggingTensorHook行動を、カスタムコールバック(定義LoggingTensorCallback手動でログに記録されたテンソルを記録して出力)、名前によってテンソルにアクセスするため、サポートされていません。カスタムコールバック内にロギング頻度を実装することもできます。以下の例では、2ステップごとに重みを出力します。 N秒ごとにログを記録するなどの他の戦略も可能です。
class StopAtStepCallback(tf.keras.callbacks.Callback):
  def __init__(self, stop_step=None):
    super().__init__()
    self._stop_step = stop_step

  def on_batch_end(self, batch, logs=None):
    if self.model.optimizer.iterations >= self._stop_step:
      self.model.stop_training = True
      print('\nstop training now')

class LoggingTensorCallback(tf.keras.callbacks.Callback):
  def __init__(self, every_n_iter):
      super().__init__()
      self._every_n_iter = every_n_iter
      self._log_count = every_n_iter

  def on_batch_end(self, batch, logs=None):
    if self._log_count > 0:
      self._log_count -= 1
      print("Logging Tensor Callback: dense/kernel:",
            model.layers[0].weights[0])
      print("Logging Tensor Callback: dense/bias:",
            model.layers[0].weights[1])
      print("Logging Tensor Callback loss:", logs["loss"])
    else:
      self._log_count -= self._every_n_iter

ときに完成し、新しいcallbacks-渡しStopAtStepCallbackLoggingTensorCallback -to callbacksのパラメータModel.fit

dataset = tf.data.Dataset.from_tensor_slices((features, labels)).batch(1)
model = tf.keras.models.Sequential([tf.keras.layers.Dense(1)])
optimizer = tf.keras.optimizers.Adagrad(learning_rate=0.05)
model.compile(optimizer, "mse")

# Begin training.
# The training will stop after 2 steps, and the weights/loss will also be logged.
model.fit(dataset, callbacks=[StopAtStepCallback(stop_step=2),
                              LoggingTensorCallback(every_n_iter=2)])
1/3 [=========>....................] - ETA: 0s - loss: 2.1341Logging Tensor Callback: dense/kernel: <tf.Variable 'dense/kernel:0' shape=(2, 1) dtype=float32, numpy=
array([[ 0.26675487],
       [-0.86873734]], dtype=float32)>
Logging Tensor Callback: dense/bias: <tf.Variable 'dense/bias:0' shape=(1,) dtype=float32, numpy=array([0.04970969], dtype=float32)>
Logging Tensor Callback loss: 2.1341307163238525

stop training now
Logging Tensor Callback: dense/kernel: <tf.Variable 'dense/kernel:0' shape=(2, 1) dtype=float32, numpy=
array([[ 0.3139218],
       [-0.8226507]], dtype=float32)>
Logging Tensor Callback: dense/bias: <tf.Variable 'dense/bias:0' shape=(1,) dtype=float32, numpy=array([0.09060346], dtype=float32)>
Logging Tensor Callback loss: 3.2482404708862305
3/3 [==============================] - 0s 4ms/step - loss: 3.2482
<keras.callbacks.History at 0x7f15b8433250>

次のステップ

コールバックの詳細については、以下をご覧ください。

また、次の移行関連のリソースが役立つ場合があります。