tf.estimator.CheckpointSaverListener

Интерфейс для прослушивателей, которые выполняют действия до или после сохранения контрольной точки.

CheckpointSaverListener срабатывает только на шагах, когда срабатывает CheckpointSaverHook, и предоставляет обратные вызовы в следующих точках:

• перед использованием сессии
• перед каждым вызовом Saver.save()
• после каждого вызова Saver.save()
• в конце сессии

Чтобы использовать прослушиватель, реализуйте класс и передайте прослушиватель в CheckpointSaverHook, как в этом примере:

class ExampleCheckpointSaverListener(CheckpointSaverListener):
  def begin(self):
    # You can add ops to the graph here.
    print('Starting the session.')
    self.your_tensor = ...

  def before_save(self, session, global_step_value):
    print('About to write a checkpoint')

  def after_save(self, session, global_step_value):
    print('Done writing checkpoint.')
    if decided_to_stop_training():
      return True

  def end(self, session, global_step_value):
    print('Done with the session.')

...
listener = ExampleCheckpointSaverListener()
saver_hook = tf.estimator.CheckpointSaverHook(
    checkpoint_dir, listeners=[listener])
with
tf.compat.v1.train.MonitoredTrainingSession(chief_only_hooks=[saver_hook]):
  ...

CheckpointSaverListener может просто выполнить какое-либо действие после каждого сохранения контрольной точки. Прослушиватель также может использовать собственное расписание для менее частого действия, например, на основе значения global_step_value. В этом случае разработчики должны реализовать метод end() для обработки действий, связанных с последним сохранением контрольной точки. Но прослушиватель не должен действовать дважды, если after_save() уже обработал это последнее сохранение контрольной точки.

CheckpointSaverListener может запросить остановку обучения, вернув True в after_save. Обратите внимание, что в настройках реплицированного распределенного обучения только chief должен использовать это поведение. В противном случае каждый рабочий будет выполнять свою собственную оценку, что может быть нерациональным использованием ресурсов.

Методы

after_save

Смотреть исходный код

after_save(
    session, global_step_value
)

before_save

Смотреть исходный код

before_save(
    session, global_step_value
)

begin

Смотреть исходный код

begin()

end

Смотреть исходный код

end(
    session, global_step_value
)