tf.compat.v1.train.SingularMonitoredSession

Объект, подобный сессии, который обрабатывает инициализацию, восстановление и хуки.

tf.compat.v1.train.SingularMonitoredSession(
    hooks=None,
    scaffold=None,
    master='',
    config=None,
    checkpoint_dir=None,
    stop_grace_period_secs=120,
    checkpoint_filename_with_path=None
)

Данный API несовместим с выполнением eager execution и tf.function. Для миграции на TF2 перепишите код, чтобы он был совместим с eager execution. Проверьте руководство по миграции по замене Session.run вызовов. В Keras хуки сессии могут быть заменены Callbacks, например, заметки по хуку ведения журнала. Для получения более подробной информации, пожалуйста, ознакомьтесь с Улучшенная производительность с tf.function.

Описание

Обратите внимание, что это вспомогательное средство не рекомендуется для распределенных сред. Для распределенных сред используйте tf.compat.v1.train.MonitoredSession. Различия между MonitoredSession и SingularMonitoredSession:

• MonitoredSession обрабатывает AbortedError и UnavailableError для распределенных сред, но SingularMonitoredSession не делает этого.
• MonitoredSession может быть создан в режимах chief или worker. SingularMonitoredSession всегда создается как chief.
• Вы можете получить доступ к объекту tf.compat.v1.Session сессии, используемой SingularMonitoredSession, в то время как в MonitoredSession исходная сессия является приватной. Это можно использовать:
  • Для run без хуков.
  • Для сохранения и восстановления.
• Все остальные функции идентичны.

Пример использования:

saver_hook = CheckpointSaverHook(...)
summary_hook = SummarySaverHook(...)
with SingularMonitoredSession(hooks=[saver_hook, summary_hook]) as sess:
  while not sess.should_stop():
    sess.run(train_op)

Инициализация: В момент создания сессия с хуками выполняет следующие действия в указанном порядке:

• вызывает hook.begin() для каждого заданного хука
• окончательно завершает граф с помощью scaffold.finalize()
• создает сессию
• инициализирует модель с помощью операций инициализации, предоставленных Scaffold
• восстанавливает переменные, если существует контрольная точка
• запускает загрузчики очереди

Выполнение: При вызове run() сессия с хуками выполняет следующие действия:

• вызывает hook.before_run()
• вызывает TensorFlow session.run() с объединенными значениями и feed_dict
• вызывает hook.after_run()
• возвращает результат session.run() запрошенный пользователем

Выход: В момент close(), сессия с хуками выполняет следующие действия в порядке:

• вызывает hook.end()
• закрывает загрузчики очереди и сессию
• подавляет OutOfRange ошибку, которая указывает, что все входные данные были обработаны, если SingularMonitoredSession используется в качестве контекста.

Подклассы

class StepContext

Методы

close

Просмотреть исходный код

close()

raw_session

Просмотреть исходный код

raw_session()

Возвращает базовый объект TensorFlow.Session.

run

Просмотреть исходный код

run(
    fetches, feed_dict=None, options=None, run_metadata=None
)

Выполнение операций в сессии с мониторингом.

Этот метод полностью совместим с методом tf.Session.run().

run_step_fn

Просмотреть исходный код

run_step_fn(
    step_fn
)

Выполнение операций с помощью функции шага.

```python
with tf.Graph().as_default():
  c = tf.compat.v1.placeholder(dtypes.float32)
  v = tf.add(c, 4.0)
  w = tf.add(c, 0.5)
  def step_fn(step_context):
    a = step_context.session.run(fetches=v, feed_dict={c: 0.5})
    if a <= 4.5:
      step_context.request_stop()
      return step_context.run_with_hooks(fetches=w,
                                         feed_dict={c: 0.1})

  with tf.MonitoredSession() as session:
    while not session.should_stop():
      a = session.run_step_fn(step_fn)
```
Hooks interact with the `run_with_hooks()` call inside the
     `step_fn` as they do with a `MonitoredSession.run` call.

should_stop

Просмотреть исходный код

should_stop()

__enter__

Просмотреть исходный код

__enter__()

__exit__

Просмотреть исходный код

__exit__(
    exception_type, exception_value, traceback
)