Spec-Zone.ru › TensorFlow 1.15

tf.contrib.learn.RunConfig

Этот класс определяет конфигурации для Estimator выполнения.

Наследуется от: RunConfig

tf.contrib.learn.RunConfig(
    master=None, num_cores=0, log_device_placement=False, gpu_memory_fraction=1,
    tf_random_seed=None, save_summary_steps=100, save_checkpoints_secs=_USE_DEFAULT,
    save_checkpoints_steps=None, keep_checkpoint_max=5,
    keep_checkpoint_every_n_hours=10000, log_step_count_steps=100, protocol=None,
    evaluation_master='', model_dir=None, session_config=None,
    session_creation_timeout_secs=7200
)

Этот класс является устаревшей реализацией интерфейса tf.estimator.RunConfig.

Аргументы
master Мастер TensorFlow. По умолчанию пустая строка для локального.
num_cores Количество ядер для использования. Если 0, система выбирает подходящее число (по умолчанию: 0).
log_device_placement Вести логирование размещения op на устройствах (по умолчанию: False).
gpu_memory_fraction Доля памяти GPU, используемая процессом на каждом GPU равномерно на одном компьютере.
tf_random_seed Случайное семя для инициализаторов TensorFlow. Установка этого значения позволяет обеспечить согласованность при повторных запусках.
save_summary_steps Сохранять сводки каждые столько шагов.
save_checkpoints_secs Сохранять контрольные точки каждые столько секунд. Не может быть указано с save_checkpoints_steps.
save_checkpoints_steps Сохранять контрольные точки каждые столько шагов. Не может быть указано с save_checkpoints_secs.
keep_checkpoint_max Максимальное количество последних файлов контрольных точек для хранения. По мере создания новых файлов старые удаляются. Если None или 0, все файлы контрольных точек сохраняются. По умолчанию 5 (то есть сохраняются 5 последних файлов контрольных точек).
keep_checkpoint_every_n_hours Количество часов между каждым сохраняемым контрольным пунктом. Значение по умолчанию 10 000 часов фактически отключает эту функцию.
log_step_count_steps Частота (в количестве глобальных шагов), с которой будет регистрироваться глобальный шаг/сек во время обучения.
protocol Необязательный аргумент, который указывает протокол, используемый при запуске сервера. None означает использование по умолчанию grpc.
evaluation_master мастер, на котором следует выполнить оценку.
model_dir директория, где сохраняются параметры модели, граф и т.д. Если None, будет использовано свойство model_dir в переменной окружения TF_CONFIG. Если оба установлены, должны иметь одинаковое значение. Если оба None, см. Estimator о том, где будет сохранена модель.
session_config ConfigProto для задания параметров сессии или None. Обратите внимание – использование этого аргумента может привести к ошибочной работе модели. Используйте с осторожностью.
session_creation_timeout_secs Максимальное время ожидания рабочими процессами готовности сессии (при инициализации или при восстановлении сессии) с MonitoredTrainingSession. По умолчанию 7200 секунд, но пользователи могут установить меньшее значение, чтобы быстрее обнаружить проблемы с переменными/переинициализацией сессии.
Атрибуты
cluster_spec
device_fn Возвращает device_fn.

Если device_fn не None, он переопределяет функцию устройства по умолчанию, используемую в Estimator. В противном случае используется функция по умолчанию.

environment
eval_distribute Необязательная tf.distribute.Strategy для оценки.
evaluation_master
experimental_max_worker_delay_secs
global_id_in_cluster Глобальный идентификатор в кластере обучения.

Все глобальные идентификаторы в кластере обучения назначаются из возрастающей последовательности последовательных целых чисел. Первый идентификатор – 0.

Примечание: Идентификатор задачи (поле свойства task_id) отслеживает индекс узла среди всех узлов с тем же типом задачи. Например, приведённое ниже определение кластера:
cluster = {'chief': ['host0:2222'],
'ps': ['host1:2222', 'host2:2222'],
'worker': ['host3:2222', 'host4:2222', 'host5:2222']}

Узлы с типом задачи worker могут иметь id 0, 1, 2. Узлы с типом задачи ps могут иметь id 0, 1. Таким образом, task_id не уникален, но пара (task_type, task_id ) однозначно определяет узел в кластере.

Глобальный идентификатор, т. е. это поле, отслеживает индекс узла среди ВСЕХ узлов в кластере. Он назначается однозначно. Например, для указанной выше спецификации кластера глобальные идентификаторы назначаются следующим образом:

task_type  | task_id  |  global_id
--------------------------------
chief      | 0        |  0
worker     | 0        |  1
worker     | 1        |  2
worker     | 2        |  3
ps         | 0        |  4
ps         | 1        |  5
is_chief
keep_checkpoint_every_n_hours
keep_checkpoint_max
log_step_count_steps
master
model_dir
num_ps_replicas
num_worker_replicas
protocol Возвращает необязательное значение протокола.
save_checkpoints_secs
save_checkpoints_steps
save_summary_steps
service Возвращает определённый платформой (в TF_CONFIG) словарь сервиса.
session_config
session_creation_timeout_secs
task_id
task_type
tf_config
tf_random_seed
train_distribute Необязательная tf.distribute.Strategy для обучения.

Методы

get_task_id

Просмотреть исходный код

@staticmethod
get_task_id()

Возвращает индекс задачи из переменной окружения TF_CONFIG.

Если у вас есть экземпляр ClusterConfig, вы можете получить доступ к свойству task_id, вместо вызова этой функции и повторного анализа переменной окружения.

Возвращает
TF_CONFIG['task']['index']. По умолчанию 0.

replace

Просмотреть исходный код

replace(
    **kwargs
)

Возвращает новый экземпляр RunConfig с заменой указанных свойств.

Заменять можно только свойства из следующего списка:

  • model_dir,
  • tf_random_seed,
  • save_summary_steps,
  • save_checkpoints_steps,
  • save_checkpoints_secs,
  • session_config,
  • keep_checkpoint_max,
  • keep_checkpoint_every_n_hours,
  • log_step_count_steps,
  • train_distribute,
  • device_fn,
  • protocol.
  • eval_distribute,
  • experimental_distribute,
  • experimental_max_worker_delay_secs,

Кроме того, можно установить либо save_checkpoints_steps, либо save_checkpoints_secs (но не оба).

Аргументы
**kwargs свойства с новыми значениями, заданные по имени.
Исключения
ValueError Если имя свойства в kwargs не существует или не разрешено для замены, или оба save_checkpoints_steps и save_checkpoints_secs установлены.
Возвращает
новый экземпляр RunConfig.

uid

Просмотреть исходный код

uid(
    whitelist=None
)

Генерирует 'Уникальный идентификатор' на основе всех внутренних полей. (экспериментально).

Предупреждение: ЭТА ФУНКЦИЯ ЯВЛЯЕТСЯ ЭКСПЕРИМЕНТАЛЬНОЙ. Она может быть изменена или удалена в любое время без предупреждения.

Вызывающий код должен использовать строку uid для проверки целостности экземпляра RunConfig в одном сеансе использования, но не должен полагаться на детали реализации, которые могут быть изменены.

Аргументы
whitelist Список имён свойств, идентификатор которых не должен включать. Если None, используется по умолчанию _DEFAULT_UID_WHITE_LIST, который включает большинство свойств, которые пользователь может изменить.
Возвращает
Строка uid.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/learn/RunConfig

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API