tf.compat.v1.train.MonitoredSession

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

tf.compat.v1.train.MonitoredSession(
    session_creator=None, hooks=None, stop_grace_period_secs=120
)

Пример использования:

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

Инициализация: При создании наблюдаемой сессии в заданном порядке выполняются следующие действия:

• вызывается hook.begin() для каждого заданного хука
• график завершается с помощью scaffold.finalize()
• создается сессия
• модель инициализируется с помощью операций инициализации, предоставленных Scaffold
• переменные восстанавливаются, если существует контрольная точка
• запускаются исполнители очереди
• вызывается hook.after_create_session()

Выполнение: При вызове run(), наблюдаемая сессия выполняет следующие действия:

• вызывается hook.before_run()
• вызывается TensorFlow session.run() со слиянными результатами и feed_dict
• вызывается hook.after_run()
• возвращается результат session.run() , запрошенный пользователем
• если возникает AbortedError или UnavailableError, сессия восстанавливается или переинициализируется перед повторным выполнением вызова run()

Выход: В момент close(), наблюдаемая сессия выполняет следующие действия в порядке:

• вызывается hook.end()
• закрываются исполнители очереди и сессия
• подавляется OutOfRange ошибка, указывающая, что все входные данные обработаны, если наблюдаемая сессия используется как контекст

Как установить аргументы tf.compat.v1.Session:

• В большинстве случаев вы можете установить аргументы сессии следующим образом:

MonitoredSession(
  session_creator=ChiefSessionCreator(master=..., config=...))

• В распределённой настройке для рабочей станции, не являющейся главным узлом, вы можете использовать следующее:

MonitoredSession(
  session_creator=WorkerSessionCreator(master=..., config=...))

См. MonitoredTrainingSession для примера использования, основанного на главном или рабочем узле.

Примечание: Это не tf.compat.v1.Session. Например, она не может выполнить следующие действия:

• не может быть установлена как сессия по умолчанию.
• не может быть отправлена в saver.save.
• не может быть отправлена в tf.train.start_queue_runners.

Подклассы

class StepContext

Методы

close

Просмотреть исходный код

close()

run

Просмотреть исходный код

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

Выполнить операции в наблюдаемой сессии.

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

run_step_fn

Просмотреть исходный код

run_step_fn(
    step_fn
)

Выполнить операции 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
)