Модуль: tf.compat.v1.train

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

Модули

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

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

Классы

class AdadeltaOptimizer: Оптимизатор, реализующий алгоритм Adadelta.

class AdagradDAOptimizer: Алгоритм Adagrad Dual Averaging для разреженных линейных моделей.

class AdagradOptimizer: Оптимизатор, реализующий алгоритм Adagrad.

class AdamOptimizer: Оптимизатор, реализующий алгоритм Adam.

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

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

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

class CheckpointOptions: Параметры для создания контрольной точки.

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

class CheckpointSaverListener: Интерфейс для слушателей, которые выполняют действия до или после сохранения контрольной точки.

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

class ClusterDef: Протокол сообщений

class ClusterSpec: Представляет кластер как набор "задач", организованных в "задачи".

class Coordinator: Координатор для потоков.

class Example: Example — стандартный протокол, хранящий данные для обучения и вывода.

class ExponentialMovingAverage: Поддерживает скользящие средние переменных с помощью экспоненциального затухания.

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

class FeedFnHook: Выполняет feed_fn и устанавливает feed_dict соответственно.

class FinalOpsHook: Хук, который оценивает Tensors в конце сеанса.

class FloatList: Используется в протоколах tf.train.Example. Содержит список чисел с плавающей точкой.

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 протоколах tf.train.Example. Содержит список 64-битных целых чисел.

class JobDef: Протокол сообщений

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

class LooperThread: Поток, который многократно выполняет код, необязательно по таймеру.

class MomentumOptimizer: Оптимизатор, реализующий алгоритм Momentum.

class MonitoredSession: Объект типа Session, который обрабатывает инициализацию, восстановление и хуки.

class NanLossDuringTrainingError: Ошибка неопределённого времени выполнения.

class NanTensorHook: Отслеживает тензор потерь и останавливает обучение, если потери равны NaN.

class Optimizer: Базовый класс для оптимизаторов.

class ProfilerHook: Захватывает информацию о профилировании CPU/GPU каждые N шагов или секунд.

class ProximalAdagradOptimizer: Оптимизатор, реализующий алгоритм Proximal Adagrad.

class ProximalGradientDescentOptimizer: Оптимизатор, реализующий алгоритм приближённого градиентного спуска.

class QueueRunner: Содержит список операций добавления в очередь для очереди, каждая из которых будет выполняться в отдельном потоке.

class RMSPropOptimizer: Оптимизатор, реализующий алгоритм RMSProp (Tielemans и др.).

class Saver: Сохраняет и восстанавливает переменные.

class SaverDef: Протокол сообщений

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

class SecondOrStepTimer: Таймер, который запускается не чаще, чем раз в N секунд или раз в N шагов.

class SequenceExample: SequenceExample представляет последовательность функций и некоторого контекста.

class Server: Внутрипроцессорный сервер TensorFlow, для использования в распределённом обучении.

class ServerDef: Протокол сообщений

class SessionCreator: Фабрика для tf.Session.

class SessionManager: Помощник обучения, который восстанавливается из контрольной точки и создаёт сеанс.

class SessionRunArgs: Представляет аргументы, которые должны быть добавлены 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 типа Session, который обрабатывает инициализацию, восстановление и хуки.

class StepCounterHook: Хук, который подсчитывает шаги в секунду.

class StopAtStepHook: Хук, который запрашивает остановку на указанном шаге.

class SummarySaverHook: Сохраняет сводки каждые N шагов.

class Supervisor: Помощник обучения, который сохраняет модели и вычисляет сводки.

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

class VocabInfo: Информация о словаре для тёплого старта.

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

Функции

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

NewCheckpointReader(...): Функция, которая возвращает CheckpointReader.

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

assert_global_step(...): Утверждает, что global_step_tensor является скалярным целочисленным Variable или Tensor.

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

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

batch_join(...): Выполняет список тензоров для заполнения очереди, чтобы создать пакеты 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(...): Разрабатывается общая схема квантования в tf.contrib.quantize. (устарело)

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

export_meta_graph(...): Возвращает протокол MetaGraphDef.

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

get_checkpoint_mtimes(...): Возвращает mtimes (временные метки модификации) контрольных точек. (устарело)

get_checkpoint_state(...): Возвращает протокол CheckpointState из файла "checkpoint".

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

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

global_step(...): Небольшой помощник для получения глобального шага.

import_meta_graph(...): Восстанавливает граф, сохранённый в MetaGraphDef протоколе.

init_from_checkpoint(...): Заменяет инициализаторы tf.Variable, чтобы они загружались из файла контрольной точки.

input_producer(...): Выводит строки input_tensor в очередь для входного потока. (устаревшая функция)

inverse_time_decay(...): Применяет обратное убывание с течением времени к начальной скорости обучения.

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

limit_epochs(...): Возвращает тензор num_epochs раз и затем вызывает ошибку OutOfRange. (устаревшая функция)

linear_cosine_decay(...): Применяет линейное убывание косинусом к скорости обучения.

list_variables(...): Перечисляет ключи контрольной точки и формы переменных в контрольной точке.

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

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

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

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

maybe_batch_join(...): Выполняет список тензоров для условного заполнения очереди для создания пакетов. (устаревшая функция)

maybe_shuffle_batch(...): Создаёт пакеты, случайно перемешивая условно помещённые в очередь тензоры. (устаревшая функция)

maybe_shuffle_batch_join(...): Создаёт пакеты, случайно перемешивая условно помещённые в очередь тензоры. (устаревшая функция)

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

noisy_linear_cosine_decay(...): Применяет шумное линейное убывание косинусом к скорости обучения.

piecewise_constant(...): Кусочно-постоянная функция от границ и значений интервалов.

piecewise_constant_decay(...): Кусочно-постоянная функция от границ и значений интервалов.

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

range_input_producer(...): Создаёт в очереди целые числа от 0 до limit-1. (устаревшая функция)

remove_checkpoint(...): Удаляет контрольную точку, заданную checkpoint_prefix. (устаревшая функция)

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

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

sdca_optimizer(...): Распределённая версия оптимизатора случайного двойственного метода координатного спуска (SDCA) для

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

shuffle_batch(...): Создаёт пакеты, случайно перемешивая тензоры. (устаревшая функция)

shuffle_batch_join(...): Создаёт пакеты, случайно перемешивая тензоры. (устаревшая функция)

slice_input_producer(...): Создаёт срез каждого Tensor в tensor_list. (устаревшая функция)

start_queue_runners(...): Запускает все запущенные в очереди исполнители, собранные в графе. (устаревшая функция)

string_input_producer(...): Выводит строки (например, имена файлов) в очередь для входного потока. (устаревшая функция)

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

update_checkpoint_state(...): Обновляет содержимое файла 'checkpoint'. (устаревшая функция)

warm_start(...): Теплое начало модели с помощью заданных настроек.

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