Spec-Zone.ru › TensorFlow 2.3

tf.compat.v1.keras.estimator.model_to_estimator

Создаёт экземпляр Estimator на основе заданной модели Keras.

tf.compat.v1.keras.estimator.model_to_estimator(
    keras_model=None, keras_model_path=None, custom_objects=None, model_dir=None,
    config=None, checkpoint_format='saver'
)

Если вы используете инфраструктуру или инструменты, которые полагаются на Estimators, вы всё равно можете создать модель Keras и использовать model_to_estimator для преобразования модели Keras в Estimator для использования в системах более низкого уровня.

Пример использования см. на странице: Создание estimators из Keras-моделей.

Веса выборок:

Estimators, возвращаемые model_to_estimator, настроены так, чтобы они могли обрабатывать веса выборок (аналогично keras_model.fit(x, y, sample_weights)).

Чтобы передать веса выборок во время обучения или оценки Estimator, первый элемент, возвращаемый функцией ввода, должен быть словарем с ключами features и sample_weights. Пример ниже:

keras_model = tf.keras.Model(...)
keras_model.compile(...)

estimator = tf.keras.estimator.model_to_estimator(keras_model)

def input_fn():
  return dataset_ops.Dataset.from_tensors(
      ({'features': features, 'sample_weights': sample_weights},
       targets))

estimator.train(input_fn, steps=1)
Аргументы
keras_model Объект скомпилированной модели Keras. Этот аргумент взаимоисключает keras_model_path. Estimator's model_fn использует структуру модели для клонирования модели. По умолчанию None.
keras_model_path Путь к сохранённой на диске скомпилированной модели Keras в формате HDF5, которую можно сгенерировать с помощью метода save() модели Keras. Этот аргумент взаимоисключает keras_model. По умолчанию None.
custom_objects Словарь для клонирования настраиваемых объектов. Используется с классами, которые не являются частью этого пакета pip. Например, если пользователь поддерживает класс relu6 , который наследуется от tf.keras.layers.Layer, то передайте custom_objects={'relu6': relu6}. По умолчанию None.
model_dir Директория для сохранения параметров модели Estimator, графа, файлов отчёта для TensorBoard и т. д. Если не задано, будет создана директория с именем tempfile.mkdtemp
config RunConfig для конфигурирования Estimator. Позволяет настраивать вещи в model_fn на основе конфигурации, например, num_ps_replicas, или model_dir. По умолчанию None. Если оба config.model_dir и аргумент model_dir (выше) заданы, аргумент model_dir имеет приоритет.
checkpoint_format Устанавливает формат контрольной точки, сохраняемой оценщиком во время обучения. Может быть saver или checkpoint, в зависимости от того, нужно ли сохранять контрольные точки из tf.train.Saver или tf.train.Checkpoint. В настоящее время этот аргумент по умолчанию saver. При выпуске 2.0 значение по умолчанию будет checkpoint. Estimators используют контрольные точки на основе имён, в то время как модели Keras используют контрольные точки на основе объектов из tf.train.Checkpoint. В настоящее время сохранение контрольных точек на основе объектов из model_to_estimator поддерживается только функциональными и последовательными моделями. По умолчанию 'saver'.
Возвращаемое значение
Estimator, созданный на основе заданной Keras-модели.
Исключения
ValueError Если ни keras_model, ни keras_model_path не были заданы.
ValueError Если были заданы как keras_model, так и keras_model_path.
ValueError Если keras_model_path — это URI GCS.
ValueError Если модель keras не была скомпилирована.
ValueError Если был задан недопустимый формат checkpoint_format.

© 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/r2.3/api_docs/python/tf/compat/v1/keras/estimator/model_to_estimator

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API