tf.train.CheckpointManager

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

tf.train.CheckpointManager(
    checkpoint,
    directory,
    max_to_keep,
    keep_checkpoint_every_n_hours=None,
    checkpoint_name='ckpt',
    step_counter=None,
    checkpoint_interval=None,
    init_fn=None
)

Используется в блокнотах

Пример использования:

import tensorflow as tf
checkpoint = tf.train.Checkpoint(optimizer=optimizer, model=model)
manager = tf.train.CheckpointManager(
    checkpoint, directory="/tmp/model", max_to_keep=5)
status = checkpoint.restore(manager.latest_checkpoint)
while True:
  # train
  manager.save()

CheckpointManager сохраняет свое состояние между экземплярами (подробности см. в документации __init__). В каждый момент времени в конкретном каталоге должен быть активен только один экземпляр.

Методы

restore_or_initialize

Просмотреть исходный код

restore_or_initialize()

Восстанавливает элементы в checkpoint из файла последней контрольной точки.

Сначала этот метод пытается выполнить восстановление из самой последней контрольной точки в directory. Если в directory нет контрольных точек и указано init_fn, этот метод вызывает init_fn для выполнения пользовательской инициализации. Это можно использовать для поддержки инициализации из предварительно обученных моделей.

Обратите внимание: в отличие от tf.train.Checkpoint.restore(), этот метод не возвращает объект статуса загрузки, для которого можно выполнять проверки (например, assert_consumed()). Поэтому для выполнения проверок следует напрямую использовать метод tf.train.Checkpoint.restore().

save

Просмотреть исходный код

save(
    checkpoint_number=None, check_interval=True, options=None
)

Создает контрольную точку и управляет ею.

sync

Просмотреть исходный код

sync()

Ожидает завершения всех выполняющихся операций сохранения или восстановления.