Модуль: tf.contrib.training

Утилиты для обучения и ввода данных.

См. руководство Contrib Training.

Классы

class FeedingQueueRunner: Очередь для подачи значений, таких как массивы NumPy.

class GreedyLoadBalancingStrategy: Возвращает задачу PS с наименьшей нагрузкой для размещения операции.

class HParams: Класс для хранения набора гиперпараметров в виде пар имя-значение.

class NextQueuedSequenceBatch: NextQueuedSequenceBatch хранит отложенные данные SequenceQueueingStateSaver.

class RandomStrategy: Возвращает случайную задачу PS для размещения операции.

class SequenceQueueingStateSaver: SequenceQueueingStateSaver предоставляет доступ к состоятельным значениям из входных данных.

class StopAfterNEvalsHook: Hook, используемый процедурами оценки, для выполнения eval_ops N раз.

class SummaryAtEndHook: Hook, сохраняющий сводку с результатами оценки.

Функции

add_gradients_summaries(...): Добавить сводки для градиентов.

batch_sequences_with_states(...): Создаёт пакеты из сегментов последовательного ввода.

bucket(...): Ленивое разбиение входных тензоров по which_bucket.

bucket_by_sequence_length(...): Ленивое разбиение входных данных по их длине.

byte_size_load_fn(...): Функция загрузки, вычисляющая размер в байтах одиночного выходного Operation.

checkpoints_iterator(...): Непрерывно возвращает новые файлы контрольных точек по мере их появления.

clip_gradient_norms(...): Обрезает градиенты до заданного значения.

clip_gradient_norms_fn(...): Возвращает функцию transform_grads_fn для обрезки градиентов.

create_train_op(...): Создаёт операцию Operation для вычисления градиентов и возвращает потерю.

evaluate_once(...): Оценивает модель в указанном пути контрольной точки.

evaluate_repeatedly(...): Повторно ищет контрольную точку в checkpoint_dir и оценивает её.

get_or_create_eval_step(...): Получает или создаёт шаг оценки Tensor.

multiply_gradients(...): Умножает указанные градиенты.

parse_values(...): Парсит значения гиперпараметров из строки в словарь Python.

rejection_sample(...): Стохастически создаёт пакеты с помощью отбора по отклонению.

resample_at_rate(...): Учитывая inputs тензоры, стохастически перевыбирает каждый с заданной скоростью.

stratified_sample(...): Стохастически создаёт пакеты на основе вероятностей по классам.

train(...): Запускает цикл обучения.

wait_for_new_checkpoint(...): Ожидает появления нового файла контрольной точки.

weighted_resample(...): Выполняет приближённую взвешенную перевыборку inputs.