tf.estimator.experimental.InMemoryEvaluatorHook

Обработчик для выполнения оценки во время обучения без контрольной точки.

Наследуется от: SessionRunHook

Просмотр псевдонимов

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.estimator.experimental.InMemoryEvaluatorHook

tf.estimator.experimental.InMemoryEvaluatorHook(
    estimator, input_fn, steps=None, hooks=None, name=None, every_n_iter=100
)

Пример:

def train_input_fn():
  ...
  return train_dataset

def eval_input_fn():
  ...
  return eval_dataset

estimator = tf.estimator.DNNClassifier(...)

evaluator = tf.estimator.experimental.InMemoryEvaluatorHook(
    estimator, eval_input_fn)
estimator.train(train_input_fn, hooks=[evaluator])

Текущие ограничения этого подхода:

Не поддерживается многоузловая распределённая модель.
Не поддерживаются сохраняемые объекты, кроме переменных (такие как поддержка деревьев усиления).
Не поддерживается логика пользовательского сохранителя (такая как поддержка ExponentialMovingAverage).

Аргументы
`estimator`	Экземпляр `tf.estimator.Estimator` для вызова evaluate.
`input_fn`	Аналогично аргументу `input_fn` в `estimator.evaluate`. Функция, которая строит входные данные для оценки. См. Создание функций входных данных для получения более подробной информации. Функция должна построить и вернуть один из следующих элементов: Объект 'tf.data.Dataset': выходы объекта `Dataset` должны быть кортежем (features, labels) с теми же ограничениями, что и ниже. Кортеж (features, labels): где `features` является `Tensor` или словарем с именем признака типа строка до `Tensor` и `labels` является `Tensor` или словарем с именем метки типа строка до `Tensor`. И `features` и `labels` потребляются `model_fn`. Они должны соответствовать ожиданию `model_fn` от входных данных.
`steps`	Аналогично аргументу `steps` в `estimator.evaluate`. Количество шагов, для которых необходимо оценить модель. Если `None`, выполняется оценка до тех пор, пока `input_fn` не сгенерирует исключение конца входных данных.
`hooks`	Аналогично аргументу `hooks` в `estimator.evaluate`. Список экземпляров подкласса `SessionRunHook`. Используется для обратных вызовов внутри вызова оценки.
`name`	Аналогично аргументу `name` в `estimator.evaluate`. Имя оценки, если пользователю необходимо выполнить несколько оценок на разных наборах данных, например, на данных обучения и тестовых данных. Метрики для разных оценок сохраняются в отдельных папках и отображаются отдельно в tensorboard.
`every_n_iter`	`int`, выполняет оценку один раз каждые N итераций обучения.

Возможные исключения
`ValueError`	если `every_n_iter` не положительно или это не обучение на одной машине

Методы

`after_create_session`

Просмотреть исходный код

after_create_session(
    session, coord
)

Выполняет первый запуск, который отображает метрики оценки перед обучением.

`after_run`

Просмотреть исходный код

after_run(
    run_context, run_values
)

Выполняет оценку.

`before_run`

Просмотреть исходный код

before_run(
    run_context
)

Вызывается перед каждым вызовом run().

Вы можете вернуть из этого вызова объект SessionRunArgs, указывающий на операции или тензоры, которые нужно добавить к предстоящему вызову run(). Эти операции/тензоры будут выполняться вместе с операциями/тензорами, изначально переданными в исходный вызов run(). Аргументы run, которые вы возвращаете, также могут содержать значения для добавления к вызову run().

Аргумент run_context - это объект SessionRunContext, который предоставляет информацию о предстоящем вызове run(): изначально запрошенные операции/тензоры, сессия TensorFlow.

В этот момент граф окончательно сформирован, и вы не можете добавлять операции.

Аргументы
`run_context`	Объект `SessionRunContext`

Возвращает
None или объект `SessionRunArgs`

`begin`

Просмотреть исходный код

begin()

Построение графика оценки и восстановления операции.

`end`

Просмотреть исходный код

end(
    session
)

Выполняет оценку для окончательной модели.

© 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/estimator/experimental/InMemoryEvaluatorHook