Модуль: tf.compat.v1.train

Поддержка обучения моделей.

См. руководство по обучению.

Модули

experimental модуль: Публичный API для пространства имён tf.train.experimental.

queue_runner модуль: Публичный API для пространства имён 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, сохраняя и восстанавливая их.

class CheckpointManager: Управляет несколькими контрольными точками, сохраняя некоторые и удаляя ненужные.

class CheckpointOptions: Параметры для построения контрольной 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 руководителя.

class ClusterDef: Протокол сообщения

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

class Coordinator: Координатор для потоков.

class Example: Протокол сообщения

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

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: Откладывает 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 заданные 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 Momentum.

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

class NanLossDuringTrainingError: Ошибка времени выполнения без указания причины.

class NanTensorHook: Отслеживает тензор потери и останавливает обучение, если потеря равна NaN.

class Optimizer: Базовый класс для оптимизаторов.

class ProfilerHook: Захватывает информацию о профилировании CPU/GPU каждые N шагов или секунд.

class ProximalAdagradOptimizer: Оптимизатор, реализующий алгоритм Proximal Adagrad.

class ProximalGradientDescentOptimizer: Оптимизатор, реализующий алгоритм приблеженного градиентного спуска.

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

class RMSPropOptimizer: Оптимизатор, реализующий алгоритм RMSProp (Tielemans et al.

class Saver: Сохраняет и восстанавливает переменные.

class SaverDef: Протокол сообщения

class Scaffold: Структура для создания или сбора фрагментов, 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: Встроенный сервер TensorFlow, используемый для распределённого обучения.

class ServerDef: Протокол сообщения

class SessionCreator: Фабрика для tf.Session.

class SessionManager: Помощник обучения, который восстанавливает контрольную точку и создаёт сессию.

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

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

class SessionRunHook: Хук 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: Хук, подсчитывающий шаги в секунду.

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

class SummarySaverHook: Сохраняет сводки каждые N шагов.

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

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

class VocabInfo: Информация о словаре для тёплого запуска.

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

Функции

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

NewCheckpointReader(...): Функция, возвращающая CheckpointReader.

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

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

basic_train_loop(...): Основной 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 перезапуском к скорости обучения.

create_global_step(...): Создаёт 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 mtimes (временные метки 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 создаёт (при необходимости) тензор глобального шага.

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

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

init_from_checkpoint(...): Заменяет инициализаторы tf.Variable для загрузки 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 и затем генерирует 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 найденного контрольного пункта в ckpt_dir_or_file.

load_variable(...): Возвращает значение тензора заданной переменной в контрольном пункте.

match_filenames_once(...): Сохраняет список файлов, соответствующих шаблону, чтобы он вычислялся только один раз.

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

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

maybe_shuffle_batch(...): Создает пакеты, случайным образом перемешивая условно помещенные в очередь тензоры. (устарело)

maybe_shuffle_batch_join(...): Создает пакеты, случайным образом перемешивая условно помещенные в очередь тензоры. (устарело)

natural_exp_decay(...): Применяет естественный экспоненциальный спад к начальной скорости обучения.

noisy_linear_cosine_decay(...): Применяет шумный линейный косинусный спад к скорости обучения.

piecewise_constant(...): Кусочно-постоянная функция от границ и значений интервалов.

piecewise_constant_decay(...): Кусочно-постоянная функция от границ и значений интервалов.

polynomial_decay(...): Применяет полиномиальный спад к скорости обучения.

range_input_producer(...): Выдает целые числа от 0 до limit-1 в очереди. (устарело)

remove_checkpoint(...): Удаляет контрольный пункт, заданный 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 стохастического двойственного метода координатного спуска (SDCA) для

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

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

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

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

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

string_input_producer(...): Выводит строки (например, имена файлов) в очередь для входной обработки. (устарело)

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

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

warm_start(...): Теплое начало модели с использованием заданных настроек.

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