Модуль: tf.train

Поддержка обучения моделей.

См. руководство по обучению.

Модули

experimental модуль: Общедоступный API для пространства имен tf.train.experimental.

queue_runner модуль: Общедоступный API для пространства имен tf.train.queue_runner.

Классы

class AdadeltaOptimizer: Оптимизатор, реализующий алгоритм Adadelta.

class AdagradDAOptimizer: Алгоритм Adagrad Dual Averaging для разреженных линейных моделей.

class AdagradOptimizer: Оптимизатор, реализующий алгоритм Adagrad.

class AdamOptimizer: Оптимизатор, реализующий алгоритм Adam.

class BytesList: Протокол сообщения

class Checkpoint: Группирует отслеживаемые объекты, сохраняет и восстанавливает их.

class CheckpointManager: Удаляет старые контрольные точки.

class CheckpointSaverHook: Сохраняет контрольные точки каждые N шагов или секунд.

class CheckpointSaverListener: Интерфейс для слушателей, которые выполняют действия до или после сохранения контрольной точки.

class ChiefSessionCreator: Создаёт tf.compat.v1.Session для главного узла.

class ClusterDef: Протокол сообщения

class ClusterSpec: Представляет кластер как набор «задач», организованных в «задачи».

class Coordinator: Координатор для потоков.

class Example: Протокол сообщения

class ExponentialMovingAverage: Поддерживает скользящие средние значения переменных, используя экспоненциальное убывание.

class Feature: Протокол сообщения

class FeatureList: Протокол сообщения

class FeatureLists: Протокол сообщения

class Features: Протокол сообщения

class FeedFnHook: Выполняет feed_fn и устанавливает feed_dict соответственно.

class FinalOpsHook: Хук, который оценивает Tensors в конце сессии.

class FloatList: Протокол сообщения

class FtrlOptimizer: Оптимизатор, реализующий алгоритм FTRL.

class GlobalStepWaiterHook: Задерживает выполнение до тех пор, пока глобальный шаг не достигнет wait_until_step.

class GradientDescentOptimizer: Оптимизатор, реализующий алгоритм градиентного спуска.

class Int64List: Протокол сообщения

class JobDef: Протокол сообщения

class LoggingTensorHook: Выводит указанные тензоры каждые N локальных шагов, каждые N секунд или в конце.

class LooperThread: Поток, который многократно выполняет код, необязательно по таймеру.

class MomentumOptimizer: Оптимизатор, реализующий алгоритм импульса.

class MonitoredSession: Объект, подобный сессии, который обрабатывает инициализацию, восстановление и хуки.

class NanLossDuringTrainingError: Ошибка времени выполнения без указания.

class NanTensorHook: Отслеживает тензор потерь и останавливает обучение, если значение потерь равно NaN.

class Optimizer: Базовый класс для оптимизаторов.

class ProfilerHook: Захватывает информацию о профилировании ЦП/ГП каждые N шагов или секунд.

class ProximalAdagradOptimizer: Оптимизатор, реализующий алгоритм Proximal Adagrad.

class ProximalGradientDescentOptimizer: Оптимизатор, реализующий алгоритм проксимального градиентного спуска.

class QueueRunner: Содержит список операций очереди enqueue, каждая из которых должна выполняться в потоке.

class RMSPropOptimizer: Оптимизатор, реализующий алгоритм RMSProp.

class Saver: Сохраняет и восстанавливает переменные.

class SaverDef: Протокол сообщения

class Scaffold: Структура для создания или сбора элементов, обычно необходимых для обучения модели.

class SecondOrStepTimer: Таймер, который срабатывает не более одного раза каждые N секунд или каждые N шагов.

class SequenceExample: Протокол сообщения

class Server: Внутрипроцессорный сервер TensorFlow для использования в распределённом обучении.

class ServerDef: Протокол сообщения

class SessionCreator: Фабрика для tf.Session.

class SessionManager: Помощник обучения, восстанавливающий данные из контрольной точки и создающий сессию.

class SessionRunArgs: Представляет аргументы, которые нужно добавить к вызову Session.run().

class SessionRunContext: Предоставляет информацию о вызове session.run().

class SessionRunHook: Характер для расширения вызовов MonitoredSession.run().

class SessionRunValues: Содержит результаты вызова Session.run().

class SingularMonitoredSession: Объект, подобный сессии, который обрабатывает инициализацию, восстановление и хуки.

class StepCounterHook: Характер, который считает шаги в секунду.

class StopAtStepHook: Характер, который запрашивает остановку на указанном шаге.

class SummarySaverHook: Сохраняет сводки каждые N шагов.

class Supervisor: Помощник обучения, который создает контрольные точки моделей и вычисляет сводки.

class SyncReplicasOptimizer: Класс для синхронизации, агрегирования градиентов и передачи их оптимизатору.

class VocabInfo: Информация о словаре для теплового запуска.

class WorkerSessionCreator: Создаёт tf.compat.v1.Session для рабочего узла.

Функции

MonitoredTrainingSession(...): Создаёт MonitoredSession для обучения.

NewCheckpointReader(...)

add_queue_runner(...): Добавляет QueueRunner в коллекцию в графе. (устарело)

assert_global_step(...): Утверждает, что global_step_tensor является скалярным целым Variable или Tensor.

basic_train_loop(...): Базовый цикл для обучения модели.

batch(...): Создаёт пакеты тензоров в tensors. (устарело)

batch_join(...): Выполняет список тензоров для заполнения очереди, чтобы создать пакеты примеров. (устарело)

checkpoint_exists(...): Проверяет, существует ли контрольная точка V1 или V2 с указанным префиксом. (устарело)

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

cosine_decay(...): Применяет косинусное затухание к скорости обучения.

cosine_decay_restarts(...): Применяет косинусное затухание с перезапусками к скорости обучения.

create_global_step(...): Создать тензор глобального шага в графе.

do_quantize_training_on_graphdef(...): Общая схема квантования разрабатывается в tf.contrib.quantize. (устарело)

exponential_decay(...): Применяет экспоненциальное затухание к скорости обучения.

export_meta_graph(...): Возвращает MetaGraphDef протокол.

generate_checkpoint_state_proto(...): Генерирует протокол состояния контрольной точки.

get_checkpoint_mtimes(...): Возвращает метки времени (отметки времени изменения) контрольных точек. (устарело)

get_checkpoint_state(...): Возвращает протокол CheckpointState из файла "checkpoint".

get_global_step(...): Получить тензор глобального шага.

get_or_create_global_step(...): Возвращает и создает (при необходимости) тензор глобального шага.

global_step(...): Небольшой помощник для получения глобального шага.

import_meta_graph(...): Восстанавливает граф, сохранённый в MetaGraphDef протокол.

init_from_checkpoint(...): Заменяет инициализаторы tf.Variable, чтобы они загружались из файла контрольной точки.

input_producer(...): Выводит строки input_tensor в очередь для конвейера ввода. (устарело)

inverse_time_decay(...): Применяет обратное затухание по времени к начальной скорости обучения.

latest_checkpoint(...): Находит имя файла последней сохранённой контрольной точки.

limit_epochs(...): Возвращает тензор num_epochs раз, а затем вызывает ошибку OutOfRange. (устарело)

linear_cosine_decay(...): Применяет линейное косинусное затухание к скорости обучения.

list_variables(...): Возвращает список всех переменных в контрольной точке.

load_checkpoint(...): Возвращает CheckpointReader для контрольной точки, найденной в ckpt_dir_or_file.

load_variable(...): Возвращает значение тензора заданной переменной в контрольной точке.

match_filenames_once(...): Сохраняет список файлов, соответствующих шаблону, чтобы вычисления производились только один раз.

maybe_batch(...): Условно создаёт пакеты тензоров на основе keep_input. (устарело)

maybe_batch_join(...): Выполняет список тензоров для условного заполнения очереди для создания пакетов. (устарело)

maybe_shuffle_batch(...): Создаёт пакеты, перемешивая случайным образом условно введённые тензоры. (устарело)

maybe_shuffle_batch_join(...): Создаёт пакеты, перемешивая случайным образом условно введённые тензоры. (устарело)

natural_exp_decay(...): Применяет естественное экспоненциальное затухание к начальной скорости обучения.

noisy_linear_cosine_decay(...): Применяет затухание шумной линейной косинусоиды к скорости обучения.

piecewise_constant(...): Кусочно-постоянное затухание от границ и значений интервалов.

piecewise_constant_decay(...): Кусочно-постоянное затухание от границ и значений интервалов.

polynomial_decay(...): Применяет полиномиальное затухание к скорости обучения.

range_input_producer(...): Создаёт очередь с целыми числами от 0 до limit-1. (устарело)

remove_checkpoint(...): Удаляет контрольную точку, заданную checkpoint_prefix. (устарело)

replica_device_setter(...): Возвращает device function для использования при построении графа для реплик.

sdca_fprint(...): Вычисляет отпечатки пальцев входных строк.

sdca_optimizer(...): Распределённая версия оптимизатора Stochastic Dual Coordinate Ascent (SDCA) для

sdca_shrink_l1(...): Применяет шаг сжатия L1-регуляризации к параметрам.

shuffle_batch(...): Создаёт пакеты, случайным образом перемешивая тензоры. (устарело)

shuffle_batch_join(...): Создаёт пакеты, случайным образом перемешивая тензоры. (устарело)

slice_input_producer(...): Создаёт срез каждого Tensor в tensor_list. (устарело)

start_queue_runners(...): Запускает все обработчики очереди, собранные в графе. (устарело)

string_input_producer(...): Выводит строки (например, имена файлов) в очередь для конвейера ввода. (устарело)

summary_iterator(...): Итератор для чтения Event протоколов из файла событий.

update_checkpoint_state(...): Обновляет содержимое файла 'checkpoint'. (устарело)

warm_start(...): Нагревает модель с использованием заданных параметров.

write_graph(...): Записывает протокол графа в файл.