tf.train.SingularMonitoredSession

Объект, подобный сеансу, который обрабатывает инициализацию, восстановление и хуки.

tf.train.SingularMonitoredSession(
    hooks=None, scaffold=None, master='', config=None, checkpoint_dir=None,
    stop_grace_period_secs=120, checkpoint_filename_with_path=None
)

Обратите внимание, что это утилита не рекомендуется для распределённых сред. Для распределённых сред используйте tf.compat.v1.train.MonitoredSession. Различия между MonitoredSession и SingularMonitoredSession следующие:

• MonitoredSession обрабатывает AbortedError и UnavailableError для распределённых сред, но SingularMonitoredSession этого не делает.
• MonitoredSession может быть создан в режимах chief или worker. SingularMonitoredSession всегда создаётся как chief.
• Вы можете получить доступ к объекту сеанса tf.compat.v1.Session, используемому SingularMonitoredSession, в то время как в MonitoredSession исходный сеанс является закрытым. Это может быть использовано:
  • Для run без хуков.
  • Для сохранения и восстановления.
• Все остальные функции идентичны.

Пример использования:

saver_hook = CheckpointSaverHook(...)
summary_hook = SummarySaverHook(...)
with SingularMonitoredSession(hooks=[saver_hook, summary_hook]) as sess:
  while not sess.should_stop():
    sess.run(train_op)

Инициализация: В момент создания сеанс с хуками выполняет следующие действия в указанном порядке:

• вызывает hook.begin() для каждого указанного хука
• завершает граф с помощью scaffold.finalize()
• создаёт сеанс
• инициализирует модель с помощью операций инициализации, предоставленных Scaffold
• восстанавливает переменные, если существует контрольная точка
• запускает исполнители очереди

Выполнение: При вызове run() сеанс с хуками выполняет следующие действия:

• вызывает hook.before_run()
• вызывает TensorFlow session.run() с объединёнными значениями и feed_dict
• вызывает hook.after_run()
• возвращает результат session.run() запрошенного пользователем

Закрытие: В момент close(), сеанс с хуками выполняет следующие действия в порядке:

• вызывает hook.end()
• закрывает исполнители очереди и сеанс
• подавляет ошибку OutOfRange, которая указывает, что все входные данные обработаны, если SingularMonitoredSession используется в качестве контекста.

Подклассы

class StepContext

Методы

close

Просмотреть исходный код

close()

raw_session

Просмотреть исходный код

raw_session()

Возвращает базовый объект TensorFlow.Session.

run

Просмотреть исходный код

run(
    fetches, feed_dict=None, options=None, run_metadata=None
)

Выполнение операций в контролируемом сеансе.

Этот метод полностью совместим с методом tf.Session.run().

run_step_fn

Просмотреть исходный код

run_step_fn(
    step_fn
)

Выполнение операций с помощью функции шага.

with tf.Graph().as_default():
c = tf.compat.v1.placeholder(dtypes.float32)
v = tf.add(c, 4.0)
w = tf.add(c, 0.5)
def step_fn(step_context):
a = step_context.session.run(fetches=v, feed_dict={c: 0.5})
if a <= 4.5:
step_context.request_stop()
return step_context.run_with_hooks(fetches=w,
feed_dict={c: 0.1})

with tf.MonitoredSession() as session:
while not session.should_stop():
a = session.run_step_fn(step_fn)

should_stop

Просмотреть исходный код

should_stop()

__enter__

Просмотреть исходный код

__enter__()

__exit__

Просмотреть исходный код

__exit__(
    exception_type, exception_value, traceback
)