tf.train.CheckpointManager

Управляет несколькими контрольными точками, сохраняя некоторые и удаляя ненужные.

tf.train.CheckpointManager(
    checkpoint, directory, max_to_keep, keep_checkpoint_every_n_hours=None,
    checkpoint_name='ckpt', step_counter=None, checkpoint_interval=None,
    init_fn=None
)

Пример использования:

import tensorflow as tf
checkpoint = tf.train.Checkpoint(optimizer=optimizer, model=model)
manager = tf.train.CheckpointManager(
    checkpoint, directory="/tmp/model", max_to_keep=5)
status = checkpoint.restore(manager.latest_checkpoint)
while True:
  # train
  manager.save()

CheckpointManager сохраняет собственное состояние при каждом создании экземпляра (см. документацию по __init__ для подробностей). Только один должен быть активным в данной директории в определенный момент.

Методы

restore_or_initialize

Просмотреть исходный код

restore_or_initialize()

Восстановить элементы в checkpoint из файла последней контрольной точки.

Этот метод сначала попытается восстановить данные из самой последней контрольной точки в directory. Если контрольных точек в directory не существует, и init_fn указан, этот метод вызовет init_fn для выполнения настраиваемой инициализации. Это можно использовать для инициализации из предварительно обученных моделей.

Обратите внимание, что в отличие от tf.train.Checkpoint.restore(), этот метод не возвращает объект состояния загрузки, на котором пользователи могут выполнять проверки (например, assert_consumed()). Таким образом, для выполнения проверок пользователи должны напрямую использовать метод tf.train.Checkpoint.restore().

save

Просмотреть исходный код

save(
    checkpoint_number=None, check_interval=True
)

Создает новую контрольную точку и управляет ею.