tf.compat.v1.train.MonitoredSession

Объект, подобный сеансу, который обрабатывает инициализацию, восстановление и хуки.

tf.compat.v1.train.MonitoredSession(
    session_creator=None, hooks=None, stop_grace_period_secs=120
)

Этот API несовместим с eager execution и tf.function. Чтобы перейти на TF2, перепишите код так, чтобы он был совместим с eager execution. Инструкции по замене вызовов Session.run см. в руководстве по миграции. В Keras хуки сеанса можно заменить обратными вызовами (например, см. блокнот о хуке журналирования). Подробнее см. в разделе Повышение производительности с помощью tf.function.

Описание

Пример использования:

saver_hook = CheckpointSaverHook(...)
summary_hook = SummarySaverHook(...)
with MonitoredSession(session_creator=ChiefSessionCreator(...),
                      hooks=[saver_hook, summary_hook]) as sess:
  while not sess.should_stop():
    sess.run(train_op)

Инициализация: при создании контролируемый сеанс выполняет следующие действия в указанном порядке:

• вызывает hook.begin() для каждого заданного хука
• завершает граф с помощью scaffold.finalize()
• создает сеанс
• инициализирует модель с помощью операций инициализации, предоставленных Scaffold
• восстанавливает переменные, если существует контрольная точка
• запускает исполнители очередей
• вызывает hook.after_create_session()

Выполнение: при вызове run() контролируемый сеанс выполняет следующие действия:

• вызывает hook.before_run()
• вызывает TensorFlow session.run() с объединенными fetches и feed_dict
• вызывает hook.after_run()
• возвращает результат session.run(), запрошенный пользователем
• если происходит AbortedError или UnavailableError, сеанс восстанавливается или повторно инициализируется перед повторным выполнением вызова run()

Выход: при close() контролируемый сеанс выполняет следующие действия в указанном порядке:

• вызывает hook.end()
• закрывает исполнители очередей и сеанс
• подавляет ошибку OutOfRange, которая указывает, что все входные данные обработаны, если monitored_session используется как контекст

Как задавать аргументы tf.compat.v1.Session:

• В большинстве случаев аргументы сеанса можно задать следующим образом:

MonitoredSession(
  session_creator=ChiefSessionCreator(master=..., config=...))

• В распределенной среде для рабочего узла, не являющегося главным, можно использовать следующий вариант:

MonitoredSession(
  session_creator=WorkerSessionCreator(master=..., config=...))

Пример использования для главного или рабочего узла см. в MonitoredTrainingSession.

Примечание: Это не tf.compat.v1.Session. Например, для него невозможно выполнить следующие действия:

• его нельзя задать в качестве сеанса по умолчанию;
• его нельзя передать в saver.save;
• его нельзя передать в tf.train.start_queue_runners.

Дочерние классы

class StepContext

Методы

close

Просмотреть исходный код

close()

run

Просмотреть исходный код

run(
    fetches, feed_dict=None, options=None, run_metadata=None
)

Выполняет операции в контролируемом сеансе.

Этот метод полностью совместим с методом tf.Session.run().

run_step_fn

Просмотреть исходный код

run_step_fn(
    step_fn
)

Выполняет операции с помощью функции шага.

```python
with tf.Graph().as_default():
  c = tf.compat.v1.placeholder(dtypes.float32)
  v = tf.add(c, 4.0)
  w = tf.add(c, 0.5)
  def step_fn(step_context):
    a = step_context.session.run(fetches=v, feed_dict={c: 0.5})
    if a <= 4.5:
      step_context.request_stop()
      return step_context.run_with_hooks(fetches=w,
                                         feed_dict={c: 0.1})

  with tf.MonitoredSession() as session:
    while not session.should_stop():
      a = session.run_step_fn(step_fn)
```
Hooks interact with the `run_with_hooks()` call inside the
     `step_fn` as they do with a `MonitoredSession.run` call.

should_stop

Просмотреть исходный код

should_stop()

__enter__

Просмотреть исходный код

__enter__()

__exit__

Просмотреть исходный код

__exit__(
    exception_type, exception_value, traceback
)