EvalSpec объединяет детали оценки обученной модели, а также её экспорта. Оценка включает в себя вычисление метрик для оценки производительности обученной модели. Экспорт записывает обученную модель во внешнее хранилище.
Аргументы
input_fn
Функция, которая строит входные данные для оценки. См. Предопределённые оценщики для получения дополнительной информации. Функция должна создать и вернуть один из следующих вариантов:
Объект 'tf.data.Dataset': Выходные данные объекта Dataset должны быть кортежем (признаки, метки) с теми же ограничениями, что и ниже.
Кортеж (признаки, метки): где признаки являются Tensor или словарем имен признаков типа string к Tensor, а метки являются Tensor или словарем имён меток типа string к Tensor.
steps
Целое число. Положительное число шагов для оценки модели. Если None, оценивается до тех пор, пока input_fn не сгенерирует исключение конца входных данных. См. Estimator.evaluate для получения подробностей.
name
Строка. Название оценки, если пользователю необходимо выполнить несколько оценок на различных наборах данных. Метрики для разных оценок сохраняются в отдельных папках и отображаются раздельно в tensorboard.
hooks
Перечислимый набор объектов tf.train.SessionRunHook для выполнения во время оценки.
exporters
Перечислимый набор Exporter или один из них, или None. exporters будет вызываться после каждой оценки.
start_delay_secs
Целое число. Начать оценку после ожидания в течение этого количества секунд.
throttle_secs
Целое число. Не переоценивать, пока последняя оценка не стартовала по меньшей мере за это количество секунд. Конечно, оценка не выполняется, если новые контрольные точки недоступны, поэтому это минимальное значение.
Исключения
ValueError
Если любой из входных аргументов некорректен.
TypeError
Если любой из аргументов не имеет ожидаемого типа.
