tf.estimator.RunConfig

Этот класс определяет конфигурации для Estimator запуска.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.estimator.RunConfig

tf.estimator.RunConfig(
    model_dir=None, tf_random_seed=None, save_summary_steps=100,
    save_checkpoints_steps=_USE_DEFAULT, save_checkpoints_secs=_USE_DEFAULT,
    session_config=None, keep_checkpoint_max=5, keep_checkpoint_every_n_hours=10000,
    log_step_count_steps=100, train_distribute=None, device_fn=None, protocol=None,
    eval_distribute=None, experimental_distribute=None,
    experimental_max_worker_delay_secs=None, session_creation_timeout_secs=7200,
    checkpoint_save_graph_def=True
)

Аргументы
`model_dir`	директория, где сохраняются параметры модели, граф и т. д. Если это объект `PathLike`, путь будет разрешен. Если `None`, будет использовано значение по умолчанию, заданное оценщиком.
`tf_random_seed`	Случайное семя для инициализаторов TensorFlow. Установка этого значения обеспечивает согласованность при повторных запусках.
`save_summary_steps`	Сохранять сводки каждые столько шагов.
`save_checkpoints_steps`	Сохранять контрольные точки каждые столько шагов. Нельзя указать вместе с `save_checkpoints_secs`.
`save_checkpoints_secs`	Сохранять контрольные точки каждые столько секунд. Нельзя указать вместе с `save_checkpoints_steps`. По умолчанию 600 секунд, если и `save_checkpoints_steps` и `save_checkpoints_secs` не установлены в конструкторе. Если оба `save_checkpoints_steps` и `save_checkpoints_secs` не заданы, контрольные точки отключены.
`session_config`	ConfigProto для настройки параметров сеанса или `None`.
`keep_checkpoint_max`	Максимальное количество последних файлов контрольных точек для хранения. При создании новых файлов старые удаляются. Если `None` или 0, все файлы контрольных точек сохраняются. По умолчанию 5 (сохраняются 5 последних файлов контрольных точек). Если в оценщик передан saver, этот аргумент будет проигнорирован.
`keep_checkpoint_every_n_hours`	Количество часов между сохранением каждой контрольной точки. Значение по умолчанию 10 000 часов фактически отключает эту функцию.
`log_step_count_steps`	Частота (в глобальных шагах), с которой будут регистрироваться глобальный шаг и потеря во время обучения. Также контролирует частоту, с которой будут регистрироваться/записываться глобальные шаги/с во время обучения (и в сводки).
`train_distribute`	Необязательный экземпляр `tf.distribute.Strategy`. Если указано, оценщик будет распределять модель пользователя во время обучения, согласно политике, заданной этой стратегией. Рекомендуется указывать `experimental_distribute.train_distribute`.
`device_fn`	Функция, вызываемая для каждого `Operation` шага, которая принимает `Operation` и возвращает строку устройства. Если `None`, по умолчанию используется функция устройства, возвращаемая `tf.train.replica_device_setter` со стратегией round-robin.
`protocol`	Необязательный аргумент, определяющий протокол при запуске сервера. `None` означает использование grpc по умолчанию.
`eval_distribute`	Необязательный экземпляр `tf.distribute.Strategy`. Если указано, оценщик будет распределять модель пользователя во время оценки, согласно политике, заданной этой стратегией. Рекомендуется указывать `experimental_distribute.eval_distribute`.
`experimental_distribute`	Необязательный объект `tf.contrib.distribute.DistributeConfig`, определяющий конфигурацию, связанную с DistributionStrategy. `train_distribute` и `eval_distribute` могут быть переданы в качестве параметров `RunConfig` или установлены в `experimental_distribute`, но не оба сразу.
`experimental_max_worker_delay_secs`	Необязательное целое число, определяющее максимальное время ожидания рабочего процесса перед запуском. По умолчанию рабочие процессы запускаются с отсрочкой, с задержкой каждого рабочего процесса до 60 секунд. Это призвано уменьшить риск расхождений, которые могут возникнуть, когда множество рабочих процессов одновременно обновляют веса случайно инициализированной модели. Пользователи, которые запускают модели с предварительной загрузкой и обучают их в течение коротких периодов (несколько минут или меньше), должны рассмотреть возможность уменьшения этого значения по умолчанию, чтобы улучшить время обучения.
`session_creation_timeout_secs`	Максимальное время ожидания рабочими процессами доступности сеанса (при инициализации или при восстановлении сеанса) с MonitoredTrainingSession. По умолчанию 7200 секунд, но пользователи могут захотеть установить меньшее значение, чтобы быстрее обнаружить проблемы с переинициализацией переменных/сеанса.
`checkpoint_save_graph_def`	Сохранять GraphDef и MetaGraphDef в `checkpoint_dir`. GraphDef сохраняется после создания сеанса как `graph.pbtxt`. MetaGraphDef сохраняется для каждой контрольной точки как `model.ckpt-*.meta`.

Исключения
`ValueError`	Если оба `save_checkpoints_steps` и `save_checkpoints_secs` заданы.

Атрибуты
`checkpoint_save_graph_def`
`cluster_spec`
`device_fn`	Возвращает device_fn. Если device_fn не `None`, он переопределяет функцию устройства по умолчанию, используемую в `Estimator`. В противном случае используется функция по умолчанию.
`eval_distribute`	Необязательная `tf.distribute.Strategy` для оценки.
`evaluation_master`
`experimental_max_worker_delay_secs`
`global_id_in_cluster`	Глобальный идентификатор в кластере обучения. Все глобальные идентификаторы в кластере обучения присваиваются из возрастающей последовательности последовательных целых чисел. Первый идентификатор равен 0. Примечание: Идентификатор задачи (поле свойства `task_id`) отслеживает индекс узла среди всех узлов С ОДНИМ типом задачи. Например, при задании кластера следующим образом: cluster = {'chief': ['host0:2222'], 'ps': ['host1:2222', 'host2:2222'], 'worker': ['host3:2222', 'host4:2222', 'host5:2222']} Узлы с типом задачи `worker` могут иметь id 0, 1, 2. Узлы с типом задачи `ps` могут иметь id 0, 1. Таким образом, `task_id` не уникален, но пара (`task_type`, `task_id` ) может однозначно определить узел в кластере. Глобальный идентификатор, т. е. это поле, отслеживает индекс узла среди ВСЕХ узлов в кластере. Он присваивается уникальным образом. Например, для указанного выше описания кластера глобальные идентификаторы назначаются следующим образом: task_type \| task_id \| global_id -------------------------------- chief \| 0 \| 0 worker \| 0 \| 1 worker \| 1 \| 2 worker \| 2 \| 3 ps \| 0 \| 4 ps \| 1 \| 5
...

Методы

`replace`

Просмотреть исходный код

replace(
    **kwargs
)

Возвращает новый экземпляр RunConfig, заменяя указанные свойства.

Допускается замена только свойств в следующем списке:

model_dir,
tf_random_seed,
save_summary_steps,
save_checkpoints_steps,
save_checkpoints_secs,
session_config,
keep_checkpoint_max,
keep_checkpoint_every_n_hours,
log_step_count_steps,
train_distribute,
device_fn,
protocol.
eval_distribute,
experimental_distribute,
experimental_max_worker_delay_secs,

Кроме того, можно установить либо save_checkpoints_steps, либо save_checkpoints_secs (не оба одновременно).

Аргументы
`**kwargs`	Имена свойств с новыми значениями.

Исключения
`ValueError`	Если имя свойства в `kwargs` не существует, не допускается замена или установлены оба `save_checkpoints_steps` и `save_checkpoints_secs`.

Возвращает
Новый экземпляр `RunConfig`.

© 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/r2.4/api_docs/python/tf/estimator/RunConfig