tf.compat.v1.train.SingularMonitoredSession

Объект, подобный сеансу, который выполняет инициализацию, восстановление и обработку хуков.

tf.compat.v1.train.SingularMonitoredSession(
    hooks=None,
    scaffold=None,
    master='',
    config=None,
    checkpoint_dir=None,
    stop_grace_period_secs=120,
    checkpoint_filename_with_path=None
)

Этот API несовместим с eager-выполнением и tf.function. Чтобы перейти на TF2, перепишите код для обеспечения совместимости с eager-выполнением. Информацию о замене вызовов Session.run см. в руководстве по переносу. В Keras хуки сеанса можно заменить обратными вызовами, например блокнотом с хуком журналирования. Подробнее см. в разделе Повышение производительности с помощью tf.function.

Описание

Обратите внимание, что эту утилиту не рекомендуется использовать в распределённых средах. Для распределённых сред используйте tf.compat.v1.train.MonitoredSession. Различия между MonitoredSession и SingularMonitoredSession:

• MonitoredSession обрабатывает AbortedError и UnavailableError в распределённых средах, а SingularMonitoredSession — нет.
• MonitoredSession можно создать в режиме chief или worker. SingularMonitoredSession всегда создаётся как chief.
• Вы можете получить доступ к объекту tf.compat.v1.Session, используемому SingularMonitoredSession, тогда как в MonitoredSession исходный сеанс является приватным. Это можно использовать:
  • Для run без хуков.
  • Для сохранения и восстановления.
• Все остальные функции идентичны.

Пример использования:

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

Инициализация: при создании сеанс с хуками выполняет следующие действия в указанном порядке:

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

Выполнение: при вызове run() сеанс с хуками выполняет следующие действия:

• вызывает hook.before_run()
• вызывает TensorFlow session.run() с объединёнными fetches и feed_dict
• вызывает hook.after_run()
• возвращает результат запрошенного пользователем session.run()

Завершение: при close() сеанс с хуками выполняет следующие действия по порядку:

• вызывает hook.end()
• закрывает обработчики очередей и сеанс
• подавляет ошибку OutOfRange, которая указывает, что все входные данные обработаны, если SingularMonitoredSession используется в качестве контекста.

Дочерние классы

class StepContext

Методы

close

Посмотреть исходный код

close()

raw_session

Посмотреть исходный код

raw_session()

Возвращает базовый объект TensorFlow.Session.

run

Посмотреть 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

Посмотреть 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

Посмотреть исходный код

should_stop()

__enter__

Посмотреть исходный код

__enter__()

__exit__

Посмотреть исходный код

__exit__(
    exception_type, exception_value, traceback
)