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 |
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
cluster = {'chief': ['host0:2222'],
'ps': ['host1:2222', 'host2:2222'],
'worker': ['host3:2222', 'host4:2222', 'host5:2222']}
Узлы с типом задачи 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
@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
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
uid(
whitelist=None
)
Генерирует 'Уникальный идентификатор' на основе всех внутренних полей. (экспериментально).
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