tf.compat.v1.train.LoggingTensorHook

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

Наследует от: SessionRunHook

tf.compat.v1.train.LoggingTensorHook(
    tensors, every_n_iter=None, every_n_secs=None, at_end=False, formatter=None
)

Инструкции по переносу API на TF2 см. в этом блокноте.

Описание

Используется в блокнотах

Тензоры будут выведены в журнал с уровнем важности INFO. Если вы не видите журналы, добавьте после инструкций импорта следующую строку:

tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.INFO)

Обратите внимание: если at_end имеет значение True, tensors не должен включать тензоры, вычисление которых приводит к побочным эффектам, например к потреблению дополнительных входных данных.

Методы

after_create_session

Посмотреть исходный код

after_create_session(
    session, coord
)

Вызывается при создании нового сеанса TensorFlow.

Этот метод вызывается, чтобы сообщить хукам о создании нового сеанса. Он имеет два важных отличия от ситуации, когда вызывается begin:

• На момент вызова граф окончательно сформирован, и добавлять в него операции больше нельзя.
• Этот метод также вызывается при восстановлении обернутого сеанса, а не только в начале всего сеанса.

after_run

Посмотреть исходный код

after_run(
    run_context, run_values
)

Вызывается после каждого вызова run().

Аргумент run_values содержит результаты запрошенных операций или тензоров из before_run().

Аргумент run_context — это тот же аргумент, который передается в вызов before_run. Метод run_context.request_stop() можно вызвать, чтобы остановить итерацию.

Если session.run() вызывает исключение, after_run() не вызывается.

before_run

Посмотреть исходный код

before_run(
    run_context
)

Вызывается перед каждым вызовом run().

Этот вызов может вернуть объект SessionRunArgs, указывающий операции или тензоры, которые нужно добавить в предстоящий вызов run(). Эти операции или тензоры будут выполнены вместе с операциями или тензорами, изначально переданными в вызов run(). Возвращаемые аргументы run также могут содержать данные для подачи, которые нужно добавить в вызов run().

Аргумент run_context — это SessionRunContext, предоставляющий сведения о предстоящем вызове run(): изначально запрошенных операциях или тензорах и сеансе TensorFlow.

На этом этапе граф окончательно сформирован, и добавлять операции нельзя.

begin

Посмотреть исходный код

begin()

Вызывается один раз перед использованием сеанса.

На момент вызова текущим является граф по умолчанию, который будет запущен в сеансе. Хук может изменить граф, добавив в него новые операции. После вызова begin() граф будет окончательно сформирован, и другие обратные вызовы больше не смогут его изменять. Повторный вызов begin() для того же графа не должен изменять граф.

end

Посмотреть исходный код

end(
    session
)

Вызывается в конце сеанса.

Аргумент session можно использовать, если хук должен выполнить заключительные операции, например сохранить последнюю контрольную точку.

Если session.run() вызывает исключение, отличное от OutOfRangeError или StopIteration, end() не вызывается. Обратите внимание на различие в поведении end() и after_run(), когда session.run() вызывает OutOfRangeError или StopIteration. В этом случае вызывается end(), но after_run() не вызывается.