Модуль: tf.compat.v1.train

Поддержка обучения моделей.

См. руководство Обучение.

Модули

experimental модуль: Публичный API для пространства имён tf.train.experimental.

queue_runner модуль: Публичный API для пространства имён tf.train.queue_runner.

Классы

class AdadeltaOptimizer: Оптимизатор, реализующий алгоритм Adadelta.

class AdagradDAOptimizer: Алгоритм Adagrad Dual Averaging для разреженных линейных моделей.

class AdagradOptimizer: Оптимизатор, реализующий алгоритм Adagrad.

class AdamOptimizer: Оптимизатор, реализующий алгоритм Adam.

class BytesList: Используется в протоколах tf.train.Example. Содержит список байтовых строк.

class Checkpoint: Группирует отслеживаемые объекты, сохраняя и восстанавливая их.

class CheckpointManager: Управляет несколькими контрольными точками, сохраняя некоторые и удаляя ненужные.

class CheckpointOptions: Опции для создания контрольной точки.

class CheckpointSaverHook: Сохраняет контрольные точки каждые N шагов или секунд.

class CheckpointSaverListener: Интерфейс для слушателей, которые выполняют действия до или после сохранения контрольной точки.

class ChiefSessionCreator: Создаёт tf.compat.v1.Session для лидера.

class ClusterDef: Протокол сообщений

class ClusterSpec: Представляет кластер как набор "задач", организованных в "работы".

class Coordinator: Координатор для потоков.

class Example: Example — стандартный протокол, хранящий данные для обучения и вывода.

class ExponentialMovingAverage: Поддерживает скользящие средние значения переменных, используя экспоненциальное затухание.

class Feature: Используется в протоколах tf.train.Example. Содержит список значений.

class FeatureList: В основном используется как часть tf.train.SequenceExample.

class FeatureLists: В основном используется как часть tf.train.SequenceExample.

class Features: Используется в протоколах tf.train.Example. Содержит отображение ключей на Feature.

class FeedFnHook: Выполняет feed_fn и устанавливает feed_dict соответственно.

class FinalOpsHook: Хук, который вычисляет Tensors в конце сессии.

class FloatList: Используется в протоколах tf.train.Example. Содержит список чисел с плавающей точкой.

class FtrlOptimizer: Оптимизатор, реализующий алгоритм FTRL.

class GlobalStepWaiterHook: Откладывает выполнение до тех пор, пока глобальный шаг не достигнет wait_until_step.

class GradientDescentOptimizer: Оптимизатор, реализующий алгоритм градиентного спуска.

class Int64List: Используется в протоколах tf.train.Example. Содержит список Int64.

class JobDef: Протокол сообщений

class LoggingTensorHook: Выводит заданные тензоры каждые N локальных шагов, каждые N секунд или в конце.

class LooperThread: Поток, который многократно выполняет код, необязательно по таймеру.

class MomentumOptimizer: Оптимизатор, реализующий алгоритм импульса.

class MonitoredSession: Объект, похожий на сессию, который обрабатывает инициализацию, восстановление и хуки.

class NanLossDuringTrainingError: Неопределённая ошибка во время выполнения.

class NanTensorHook: Отслеживает тензор потерь и останавливает обучение, если потеря — NaN.

class Optimizer: Базовый класс для оптимизаторов.

class ProfilerHook: Захватывает информацию о профилировании CPU/GPU каждые N шагов или секунд.

class ProximalAdagradOptimizer: Оптимизатор, реализующий алгоритм Proximal Adagrad.

class ProximalGradientDescentOptimizer: Оптимизатор, реализующий алгоритм приближённого градиентного спуска.

class QueueRunner: Содержит список операций добавления в очередь для очереди, каждая из которых должна выполняться в потоке.

class RMSPropOptimizer: Оптимизатор, реализующий алгоритм RMSProp (Tielemans и др.)

class Saver: Сохраняет и восстанавливает переменные.

class SaverDef: Протокол сообщений

class Scaffold: Структура для создания или сбора частей, обычно необходимых для обучения модели.

class SecondOrStepTimer: Таймер, который срабатывает не более одного раза каждые N секунд или каждые N шагов.

class SequenceExample: SequenceExample — формат последовательностей и некоторого контекста.

class Server: Встроенный сервер TensorFlow, предназначенный для использования в распределённом обучении.

class ServerDef: Протокол сообщений

class SessionCreator: Фабрика для tf.Session.

class SessionManager: Справочный помощник по обучению, который восстанавливает данные из контрольной точки и создаёт сессию.

class SessionRunArgs: Представляет аргументы, которые нужно добавить к вызову Session.run().

class SessionRunContext: Предоставляет информацию о вызове session.run().

class SessionRunHook: Хук для расширения вызовов MonitoredSession.run().

class SessionRunValues: Содержит результаты вызова Session.run().

class SingularMonitoredSession: Объект, похожий на сессию, который обрабатывает инициализацию, восстановление и хуки.

class StepCounterHook: Хук, который считает шаги в секунду.

class StopAtStepHook: Хук, который запрашивает остановку на указанном шаге.

class SummarySaverHook: Сохраняет сводки каждые N шагов.

class Supervisor: Справочный помощник по обучению, который сохраняет модели и вычисляет сводки.

class SyncReplicasOptimizer: Класс для синхронизации, агрегирования градиентов и передачи их оптимизатору.

class VocabInfo: Информация о словаре для тёплого запуска.

class WorkerSessionCreator: Создаёт tf.compat.v1.Session для исполнителя.

Функции

MonitoredTrainingSession(...): Создаёт MonitoredSession для обучения.

NewCheckpointReader(...): Функция, которая возвращает CheckPointReader.

add_queue_runner(...): Добавляет QueueRunner в коллекцию в графе. (устарело)

assert_global_step(...): Проверяет, что global_step_tensor является скалярным целым числом Variable или Tensor.

basic_train_loop(...): Базовый цикл для обучения модели.

batch(...): Создаёт партии тензоров в tensors. (устарело)

batch_join(...): Выполняет список тензоров для заполнения очереди, чтобы создать партии примеров. (устарело)

checkpoint_exists(...): Проверяет, существует ли контрольная точка V1 или V2 с указанным префиксом. (устарело)

checkpoints_iterator(...): Непрерывно возвращает новые файлы контрольных точек по мере их появления.

cosine_decay(...): Применяет затухание косинусом к скорости обучения.

cosine_decay_restarts(...): Применяет затухание косинусом с повторными запусками к скорости обучения.

create_global_step(...): Создаёт тензор глобального шага в графе.

do_quantize_training_on_graphdef(...): Общая схема квантования разрабатывается в tf.contrib.quantize. (устарело)

exponential_decay(...): Применяет экспоненциальное затухание к скорости обучения.

export_meta_graph(...): Возвращает протокол MetaGraphDef.

generate_checkpoint_state_proto(...): Генерирует протокол состояния контрольной точки.

get_checkpoint_mtimes(...): Возвращает mtimes (отметки времени изменения) контрольных точек. (устарело)

get_checkpoint_state(...): Возвращает протокол CheckpointState из файла "checkpoint".

get_global_step(...): Получить тензор глобального шага.

get_or_create_global_step(...): Возвращает и создаёт (при необходимости) тензор глобального шага.

global_step(...): Небольшой помощник для получения глобального шага.

import_meta_graph(...): Восстанавливает граф, сохранённый в протоколе MetaGraphDef.

init_from_checkpoint(...): Заменяет инициализаторы tf.Variable, чтобы они загружали данные из файла контрольной точки.

input_producer(...): Выводит строки input_tensor в очередь для конвейера ввода. (устарело)

inverse_time_decay(...): Применяет обратное затухание по времени к начальной скорости обучения.

latest_checkpoint(...): Находит имя файла последнего сохраненного контрольного пункта.

limit_epochs(...): Возвращает тензор num_epochs раз, а затем генерирует ошибку OutOfRange. (устарело)

linear_cosine_decay(...): Применяет линейное затухание косинуса к скорости обучения.

list_variables(...): Выводит ключи контрольного пункта и формы переменных в контрольном пункте.

load_checkpoint(...): Возвращает CheckpointReader для контрольного пункта, найденного в ckpt_dir_or_file.

load_variable(...): Возвращает значение тензора заданной переменной в контрольном пункте.

match_filenames_once(...): Сохраняет список файлов, соответствующих шаблону, чтобы он вычислялся только один раз.

maybe_batch(...): Условно создает пакеты тензоров на основе keep_input. (устарело)

maybe_batch_join(...): Выполняет список тензоров для условного заполнения очереди для создания пакетов. (устарело)

maybe_shuffle_batch(...): Создает пакеты, случайным образом перемешивая условно помещенные в очередь тензоры. (устарело)

maybe_shuffle_batch_join(...): Создает пакеты, случайным образом перемешивая условно помещенные в очередь тензоры. (устарело)

natural_exp_decay(...): Применяет естественное экспоненциальное затухание к начальной скорости обучения.

noisy_linear_cosine_decay(...): Применяет шумное линейное затухание косинуса к скорости обучения.

piecewise_constant(...): Кусочно-постоянная функция от границ и значений интервалов.

piecewise_constant_decay(...): Кусочно-постоянная функция от границ и значений интервалов.

polynomial_decay(...): Применяет полиномиальное затухание к скорости обучения.

range_input_producer(...): Производит целые числа от 0 до limit-1 в очереди. (устарело)

remove_checkpoint(...): Удаляет контрольный пункт, заданный checkpoint_prefix. (устарело)

replica_device_setter(...): Возвращает device function для использования при построении графа для реплик.

sdca_fprint(...): Вычисляет отпечатки пальцев входных строк.

sdca_optimizer(...): Распределенная версия оптимизатора стохастического двойственного координатного восхождения (SDCA) для

sdca_shrink_l1(...): Применяет сжатие регуляризации L1 к параметрам.

shuffle_batch(...): Создает пакеты, случайным образом перемешивая тензоры. (устарело)

shuffle_batch_join(...): Создает пакеты, случайным образом перемешивая тензоры. (устарело)

slice_input_producer(...): Производит срез каждого Tensor в tensor_list. (устарело)

start_queue_runners(...): Запускает все исполнители очереди, собранные в графе. (устарело)

string_input_producer(...): Выводит строки (например, имена файлов) в очередь для конвейера ввода. (устарело)

summary_iterator(...): Возвращает итератор для чтения Event протоколов из файла событий.

update_checkpoint_state(...): Обновляет содержимое файла 'checkpoint'. (устарело)

warm_start(...): Теплое начало модели с использованием заданных параметров.

write_graph(...): Записывает протокол графа в файл.