Модуль: tf.compat.v1.train

Публичный API для пространства имён tf._api.v2.train

Модули

experimental модуль: публичный API для пространства имён tf._api.v2.train.experimental

queue_runner модуль: публичный API для пространства имён tf._api.v2.train.queue_runner

Классы

class AdadeltaOptimizer: Оптимизатор, реализующий алгоритм Adadelta.

class AdagradDAOptimizer: Алгоритм усреднения двойственного градиента Adagrad для разреженных линейных моделей.

class AdagradOptimizer: Оптимизатор, реализующий алгоритм Adagrad.

class AdamOptimizer: Оптимизатор, реализующий алгоритм Adam.

class BytesList: Используется в протобуферах tf.train.Example. Содержит список байтовых строк.

class Checkpoint: Группирует отслеживаемые объекты, сохраняя и восстанавливая их.

class CheckpointManager: Управляет несколькими контрольными точками, сохраняя некоторые из них и удаляя ненужные.

class CheckpointOptions: Параметры для создания контрольной точки.

class CheckpointSaverHook: Сохраняет контрольные точки каждые N шагов или секунд.

class CheckpointSaverListener: Интерфейс для обработчиков, выполняющих действия до или после сохранения контрольной точки.

class ChiefSessionCreator: Создаёт tf.compat.v1.Session для главного узла.

class ClusterDef: Сообщение ProtocolMessage

class ClusterSpec: Представляет кластер как набор «задач», организованных в «задания».

class Coordinator: Координатор потоков.

class Example: Example — это стандартный протобуфер для хранения данных обучения и вывода.

class ExponentialMovingAverage: Поддерживает скользящие средние переменных, используя экспоненциальное затухание.

class Feature: Используется в протобуферах tf.train.Example. Содержит список значений.

class FeatureList: В основном используется как часть tf.train.SequenceExample.

class FeatureLists: В основном используется как часть tf.train.SequenceExample.

class Features: Используется в протобуферах tf.train.Example. Содержит сопоставление ключей с Feature.

class FeedFnHook: Запускает feed_fn и соответствующим образом задаёт feed_dict.

class FinalOpsHook: Обработчик, который вычисляет Tensors в конце сеанса.

class FloatList: Используется в протобуферах tf.train.Example. Содержит список чисел с плавающей запятой.

class FtrlOptimizer: Оптимизатор, реализующий алгоритм FTRL.

class GlobalStepWaiterHook: Откладывает выполнение до тех пор, пока глобальный шаг не достигнет wait_until_step.

class GradientDescentOptimizer: Оптимизатор, реализующий алгоритм градиентного спуска.

class Int64List: Используется в протобуферах tf.train.Example. Содержит список значений Int64.

class JobDef: Сообщение ProtocolMessage

class LoggingTensorHook: Выводит указанные тензоры каждые N локальных шагов, каждые N секунд или в конце.

class LooperThread: Поток, который многократно выполняет код, при необходимости — по таймеру.

class MomentumOptimizer: Оптимизатор, реализующий алгоритм Momentum.

class MonitoredSession: Объект, подобный сеансу, который обрабатывает инициализацию, восстановление и хуки.

class NanLossDuringTrainingError: Неуказанная ошибка времени выполнения.

class NanTensorHook: Отслеживает тензор потерь и останавливает обучение, если значение потерь равно NaN.

class Optimizer: Базовый класс оптимизаторов.

class ProfilerHook: Собирает данные профилирования CPU/GPU каждые N шагов или секунд.

class ProximalAdagradOptimizer: Оптимизатор, реализующий алгоритм Proximal Adagrad.

class ProximalGradientDescentOptimizer: Оптимизатор, реализующий алгоритм проксимального градиентного спуска.

class QueueRunner: Содержит список операций добавления в очередь, каждую из которых следует выполнять в отдельном потоке.

class RMSPropOptimizer: Оптимизатор, реализующий алгоритм RMSProp (Tielemans et al.

class Saver: Сохраняет и восстанавливает переменные.

class SaverDef: Сообщение ProtocolMessage

class Scaffold: Структура для создания или сбора компонентов, обычно необходимых для обучения модели.

class SecondOrStepTimer: Таймер, срабатывающий не чаще одного раза в N секунд или одного раза за N шагов.

class SequenceExample: SequenceExample представляет последовательность признаков и некоторый контекст.

class Server: Сервер TensorFlow, работающий в текущем процессе и предназначенный для распределённого обучения.

class ServerDef: Сообщение ProtocolMessage

class SessionCreator: Фабрика для tf.Session.

class SessionManager: Вспомогательный инструмент для обучения, который восстанавливает данные из контрольной точки и создаёт сеанс.

class SessionRunArgs: Представляет аргументы, добавляемые к вызову Session.run().

class SessionRunContext: Предоставляет информацию о выполняемом вызове session.run().

class SessionRunHook: Хук для расширения вызовов MonitoredSession.run().

class SessionRunValues: Содержит результаты Session.run().

class SingularMonitoredSession: Объект, подобный сеансу, который обрабатывает инициализацию, восстановление и хуки.

class StepCounterHook: Хук, подсчитывающий количество шагов в секунду.

class StopAtStepHook: Хук, запрашивающий остановку на указанном шаге.

class SummarySaverHook: Сохраняет сводки каждые N шагов.

class Supervisor: Вспомогательный инструмент для обучения, который создаёт контрольные точки моделей и вычисляет сводки.

class SyncReplicasOptimizer: Класс для синхронизации и агрегирования градиентов и передачи их оптимизатору.

class VocabInfo: Информация о словаре для начальной загрузки обучения.

class WorkerSessionCreator: Создаёт tf.compat.v1.Session для рабочего узла.

Функции

MonitoredTrainingSession(...): Создаёт MonitoredSession для обучения.

NewCheckpointReader(...): Функция, возвращающая CheckPointReader.

add_queue_runner(...): Добавляет QueueRunner в коллекцию графа. (устарело)

assert_global_step(...): Проверяет, что global_step_tensor является скаляром типа int Variable или Tensor.

basic_train_loop(...): Базовый цикл обучения модели.

batch(...): Создаёт пакеты тензоров в tensors. (устарело)

batch_join(...): Выполняет список тензоров для заполнения очереди и создания пакетов примеров. (устарело)

checkpoint_exists(...): Проверяет, существует ли контрольная точка V1 или V2 с указанным префиксом. (устарело)

checkpoints_iterator(...): Непрерывно возвращает новые файлы контрольных точек по мере их появления.

cosine_decay(...): Применяет косинусное затухание к скорости обучения.

cosine_decay_restarts(...): Применяет косинусное затухание с перезапусками к скорости обучения.

create_global_step(...): Создаёт тензор глобального шага в графе.

do_quantize_training_on_graphdef(...): В tf.contrib.quantize разрабатывается универсальная схема квантования. (устарело)

exponential_decay(...): Применяет экспоненциальное затухание к скорости обучения.

export_meta_graph(...): Возвращает протобуфер MetaGraphDef.

generate_checkpoint_state_proto(...): Создаёт протобуфер состояния контрольной точки.

get_checkpoint_mtimes(...): Возвращает время изменения контрольных точек (метки времени изменения). (устарело)

get_checkpoint_state(...): Возвращает протобуфер CheckpointState из файла «checkpoint».

get_global_step(...): Получает тензор глобального шага.

get_or_create_global_step(...): Возвращает тензор глобального шага и создаёт его при необходимости.

global_step(...): Вспомогательная функция для получения глобального шага.

import_meta_graph(...): Повторно создаёт граф, сохранённый в протобуфере MetaGraphDef.

init_from_checkpoint(...): Заменяет инициализаторы tf.Variable, чтобы загружать данные из файла контрольной точки.

input_producer(...): Выводит строки input_tensor в очередь для конвейера ввода. (устарело)

inverse_time_decay(...): Применяет обратное временное затухание к начальной скорости обучения.

latest_checkpoint(...): Находит имя файла последней сохранённой контрольной точки.

limit_epochs(...): Возвращает тензор num_epochs раз, а затем вызывает ошибку OutOfRange. (устарело)

linear_cosine_decay(...): Применяет линейное косинусное затухание к скорости обучения.

list_variables(...): Выводит список ключей контрольной точки и форм переменных в контрольной точке.

load_checkpoint(...): Возвращает CheckpointReader для контрольной точки, найденной в ckpt_dir_or_file.

load_variable(...): Возвращает значение тензора указанной переменной в контрольной точке.

match_filenames_once(...): Сохраняет список файлов, соответствующих шаблону, чтобы вычислить его только один раз.

maybe_batch(...): Условно создаёт пакеты тензоров на основе keep_input. (устарело)

maybe_batch_join(...): Выполняет список тензоров для условного заполнения очереди и создания пакетов. (устарело)

maybe_shuffle_batch(...): Создаёт пакеты, случайным образом перемешивая условно добавленные в очередь тензоры. (устарело)

maybe_shuffle_batch_join(...): Создаёт пакеты, случайным образом перемешивая условно добавленные в очередь тензоры. (устарело)

natural_exp_decay(...): Применяет естественное экспоненциальное затухание к начальной скорости обучения.

noisy_linear_cosine_decay(...): Применяет шумное линейное косинусное затухание к скорости обучения.

piecewise_constant(...): Кусочно-постоянная функция, заданная границами и значениями интервалов.

piecewise_constant_decay(...): Кусочно-постоянная функция, заданная границами и значениями интервалов.

polynomial_decay(...): Применяет полиномиальное затухание к скорости обучения.

range_input_producer(...): Помещает в очередь целые числа от 0 до limit-1. (устарело)

remove_checkpoint(...): Удаляет контрольную точку, указанную в checkpoint_prefix. (устарело)

replica_device_setter(...): Возвращает device function для использования при построении графа реплик.

sdca_fprint(...): Вычисляет отпечатки входных строк.

sdca_optimizer(...): Распределённая версия оптимизатора стохастического двойственного покоординатного подъёма (SDCA) для

sdca_shrink_l1(...): Применяет шаг сжатия L1-регуляризации к параметрам.

shuffle_batch(...): Создаёт пакеты, случайным образом перемешивая тензоры. (устарело)

shuffle_batch_join(...): Создаёт пакеты, случайным образом перемешивая тензоры. (устарело)

slice_input_producer(...): Создаёт срез каждого Tensor в tensor_list. (устарело)

start_queue_runners(...): Запускает все сборщики очередей, собранные в графе. (устарело)

string_input_producer(...): Выводит строки (например, имена файлов) в очередь для конвейера ввода. (устарело)

summary_iterator(...): Возвращает итератор для чтения буферов протокола Event из файла событий.

update_checkpoint_state(...): Обновляет содержимое файла «checkpoint». (устарело)

warm_start(...): Выполняет начальную загрузку модели с использованием указанных настроек.

write_graph(...): Записывает протобуфер графа в файл.