tf.estimator.RunConfig

Этот класс задает конфигурацию запуска Estimator.

Псевдонимы

Псевдонимы совместимости для миграции

Дополнительные сведения см. в руководстве по миграции.

tf.compat.v1.estimator.RunConfig, `tf.compat.v2.estimator.RunConfig`

tf.estimator.RunConfig(
    model_dir=None, tf_random_seed=None, save_summary_steps=100,
    save_checkpoints_steps=_USE_DEFAULT, save_checkpoints_secs=_USE_DEFAULT,
    session_config=None, keep_checkpoint_max=5, keep_checkpoint_every_n_hours=10000,
    log_step_count_steps=100, train_distribute=None, device_fn=None, protocol=None,
    eval_distribute=None, experimental_distribute=None,
    experimental_max_worker_delay_secs=None, session_creation_timeout_secs=7200
)

Аргументы
`model_dir`	каталог, в котором сохраняются параметры модели, граф и т. д. Если объект `PathLike`, путь будет разрешен. Если `None`, будет использоваться значение по умолчанию, заданное Estimator.
`tf_random_seed`	Начальное значение генератора случайных чисел для инициализаторов TensorFlow. Задание этого значения обеспечивает согласованность между повторными запусками.
`save_summary_steps`	Сохранять сводки с указанным интервалом в шагах.
`save_checkpoints_steps`	Сохранять контрольные точки с указанным интервалом в шагах. Нельзя указывать вместе с `save_checkpoints_secs`.
`save_checkpoints_secs`	Сохранять контрольные точки с указанным интервалом в секундах. Нельзя указывать вместе с `save_checkpoints_steps`. Если в конструкторе не заданы ни `save_checkpoints_steps`, ни `save_checkpoints_secs`, по умолчанию используется 600 секунд. Если `save_checkpoints_steps` и `save_checkpoints_secs` равны `None`, контрольные точки отключены.
`session_config`	ConfigProto, используемый для задания параметров сеанса, или `None`.
`keep_checkpoint_max`	Максимальное количество последних файлов контрольных точек, которые следует хранить. При создании новых файлов старые удаляются. Если задано `None` или 0, сохраняются все файлы контрольных точек. По умолчанию — 5 (то есть сохраняются 5 самых последних файлов контрольных точек).
`keep_checkpoint_every_n_hours`	Количество часов между сохранениями контрольных точек. Значение по умолчанию — 10 000 часов — фактически отключает эту функцию.
`log_step_count_steps`	Частота, выраженная в количестве глобальных шагов, с которой во время обучения регистрируются глобальный шаг и значение потерь. Также определяет частоту регистрации (и записи в сводку) количества глобальных шагов в секунду во время обучения.
`train_distribute`	Необязательный экземпляр `tf.distribute.Strategy`. Если он указан, Estimator распределит модель пользователя во время обучения согласно политике, заданной этой стратегией. Рекомендуется задавать `experimental_distribute.train_distribute`.
`device_fn`	Вызываемый объект, который вызывается для каждого `Operation`, принимает `Operation` и возвращает строку устройства. Если задано `None`, по умолчанию используется функция устройства, возвращаемая `tf.train.replica_device_setter` со стратегией циклического перебора.
`protocol`	Необязательный аргумент, задающий протокол, используемый при запуске сервера. `None` означает, что по умолчанию используется grpc.
`eval_distribute`	Необязательный экземпляр `tf.distribute.Strategy`. Если он указан, Estimator распределит модель пользователя во время оценки согласно политике, заданной этой стратегией. Рекомендуется задавать `experimental_distribute.eval_distribute`.
`experimental_distribute`	Необъект `tf.contrib.distribute.DistributeConfig`, задающий конфигурацию, связанную с DistributionStrategy. Параметры `train_distribute` и `eval_distribute` можно передать в качестве аргументов в `RunConfig` или задать в `experimental_distribute`, но не обоими способами одновременно.
`experimental_max_worker_delay_secs`	Необязательное целое число, задающее максимальное время ожидания перед запуском рабочего процесса. По умолчанию рабочие процессы запускаются с задержкой друг относительно друга, причем задержка для каждого рабочего процесса составляет до 60 секунд. Это позволяет снизить риск расхождения, которое может возникнуть, когда множество рабочих процессов одновременно обновляют веса случайно инициализированной модели. Пользователям, которые выполняют предварительный запуск моделей и обучают их в течение короткого времени (несколько минут или меньше), следует рассмотреть возможность уменьшения этого значения по умолчанию для сокращения времени обучения.
`session_creation_timeout_secs`	Максимальное время ожидания рабочими процессами доступности сеанса (при инициализации или восстановлении сеанса) в MonitoredTrainingSession. По умолчанию — 7200 секунд, но пользователи могут задать меньшее значение, чтобы быстрее обнаруживать проблемы с (повторной) инициализацией переменных или сеанса.

Вызывает исключения
`ValueError`	Если заданы и `save_checkpoints_steps`, и `save_checkpoints_secs`.

Атрибуты
`cluster_spec`
`device_fn`	Возвращает device_fn. Если device_fn не равен `None`, он переопределяет используемую по умолчанию функцию устройства в `Estimator`. В противном случае используется функция по умолчанию.
`eval_distribute`	Необязательный `tf.distribute.Strategy` для оценки.
`evaluation_master`
`experimental_max_worker_delay_secs`
`global_id_in_cluster`	Глобальный идентификатор в кластере обучения. Всем глобальным идентификаторам в кластере обучения присваиваются последовательные целые числа из возрастающей последовательности. Первый идентификатор — 0. Примечание: Идентификатор задачи (поле свойства `task_id`) указывает индекс узла среди всех узлов с ОДИНАКОВЫМ типом задачи. Например, для следующего определения кластера: cluster = {'chief': ['host0:2222'], 'ps': ['host1:2222', 'host2:2222'], 'worker': ['host3:2222', 'host4:2222', 'host5:2222']} Узлы с типом задачи `worker` могут иметь идентификаторы 0, 1, 2. Узлы с типом задачи `ps` могут иметь идентификаторы 0, 1. Поэтому `task_id` не является уникальным, но пара (`task_type`, `task_id`) однозначно определяет узел в кластере. Глобальный идентификатор, то есть это поле, указывает индекс узла среди ВСЕХ узлов кластера. Он присваивается уникальным образом. Например, для приведенной 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 словарь служб, определенный платформой (в TF_CONFIG).
`session_config`
`session_creation_timeout_secs`
`task_id`
`task_type`
`tf_random_seed`
`train_distribute`	Необязательный `tf.distribute.Strategy` для обучения.

Методы

`replace`

Посмотреть исходный код

replace(
    **kwargs
)

Возвращает новый экземпляр RunConfig с замененными указанными свойствами.

Заменять разрешено 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 задать либо save_checkpoints_steps, либо save_checkpoints_secs (но не оба параметра одновременно).

Аргументы
`**kwargs`	именованные свойства с новыми значениями.

Вызывает исключения
`ValueError`	Если имя какого-либо свойства в `kwargs` не существует или его заменять нельзя либо заданы одновременно `save_checkpoints_steps` и `save_checkpoints_secs`.

Возвращает
новый экземпляр `RunConfig`.

© 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/estimator/RunConfig