tf.train.CheckpointOptions

Параметры создания контрольной точки.

Псевдонимы

Псевдонимы для совместимости при миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.train.CheckpointOptions

tf.train.CheckpointOptions(
    experimental_io_device=None,
    experimental_enable_async_checkpoint=False,
    experimental_write_callbacks=None,
    enable_async=False,
    experimental_skip_slot_variables=False,
    experimental_sharding_callback=None
)

Используется в качестве аргумента options для методов tf.train.Checkpoint.save() или tf.train.Checkpoint.restore(), чтобы настроить сохранение и восстановление переменных.

Пример: выполнение операций ввода-вывода на «localhost» при сохранении контрольной точки:

step = tf.Variable(0, name="step")
checkpoint = tf.train.Checkpoint(step=step)
options = tf.train.CheckpointOptions(experimental_io_device="/job:localhost")
checkpoint.save("/tmp/ckpt", options=options)

Аргументы
`experimental_io_device`	string. Применяется в распределенной среде. Устройство TensorFlow, используемое для доступа к файловой системе. Если `None` (значение по умолчанию), для каждой переменной доступ к файловой системе осуществляется с устройства CPU:0 узла, которому назначена эта переменная. Если указано значение, для всех переменных доступ к файловой системе осуществляется с указанного устройства. Это, например, полезно, если нужно сохранить данные в локальный каталог, например «/tmp», при работе в распределенной среде. В этом случае укажите устройство узла, на котором доступен каталог «/tmp».
`experimental_enable_async_checkpoint`	Тип bool. Устарело, используйте параметр enable_async.
`experimental_write_callbacks`	List[Callable]. Список функций обратного вызова, которые будут выполнены после завершения каждого события сохранения (то есть после `save()` или `write()`). Для асинхронной контрольной точки функции обратного вызова будут выполнены только после завершения сохранения в асинхронном потоке. Возвращаемые значения функций обратного вызова игнорируются. Функции обратного вызова могут принимать `save_path` (результат `save()` или `write()`) в качестве аргумента. Функции обратного вызова будут выполнены в порядке, заданном в этом списке, после записи контрольной точки.
`enable_async`	Тип bool. Указывает, включено ли асинхронное сохранение контрольных точек. По умолчанию — False, то есть асинхронное сохранение контрольных точек отключено. При асинхронном сохранении запись файла контрольной точки выполняется не в основном потоке, поэтому модель может продолжать обучение в фоновом режиме записи файла контрольной точки. Асинхронное сохранение сокращает время простоя устройства TPU и ускоряет обучение модели, но может увеличить потребление памяти.
`experimental_skip_slot_variables`	Тип bool. Если значение равно true, переменные слотов игнорируются при восстановлении. Контекст: слои TPU Embedding для Serving некорректно восстанавливают переменные слотов. Этот параметр позволяет пропустить восстановление переменных слотов, которые в любом случае не нужны для использования в Serving. (b/315912101)
`experimental_sharding_callback`	`tf.train.experimental.ShardingCallback`. Готовая или пользовательская функция обратного вызова, определяющая способ разбиения контрольных точек на части при хранении на диске. Доступны следующие готовые функции обратного вызова: `tf.train.experimental.ShardByDevicePolicy` и `tf.train.experimental.MaxShardSizePolicy`. Также можно написать собственную функцию обратного вызова; см. `tf.train.experimental.ShardingCallback`.

Атрибуты
`enable_async`
`experimental_enable_async_checkpoint`
`experimental_io_device`
`experimental_sharding_callback`
`experimental_skip_slot_variables`
`experimental_write_callbacks`

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/train/CheckpointOptions