tf.estimator.EstimatorSpec

Операции и объекты, возвращаемые из model_fn и передаваемые в Estimator.

Псевдонимы

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.estimator.EstimatorSpec

tf.estimator.EstimatorSpec(
    mode,
    predictions=None,
    loss=None,
    train_op=None,
    eval_metric_ops=None,
    export_outputs=None,
    training_chief_hooks=None,
    training_hooks=None,
    scaffold=None,
    evaluation_hooks=None,
    prediction_hooks=None
)

EstimatorSpec полностью определяет модель, которая будет запущена Estimator.

Аргументы
`mode`	Тип `ModeKeys`. Указывает, является ли это обучением, оценкой или предсказанием.
`predictions`	Результаты предсказаний `Tensor` или словарь `Tensor`.
`loss`	Потеря при обучении `Tensor`. Должна быть скалярной или иметь форму `[1]`.
`train_op`	Операция для шага обучения.
`eval_metric_ops`	Словарь результатов метрик с ключами по имени. Значения словаря могут быть одним из следующих: (1) экземпляр класса `Metric`. (2) Результаты вызова функции метрики, а именно кортеж `(metric_tensor, update_op)`. `metric_tensor` должны вычисляться без влияния на состояние (как правило, представляет собой чистый результат вычислений, основанный на переменных). Например, это не должно запускать `update_op` или требовать извлечения каких-либо входных данных.
`export_outputs`	Описывает подписи выходных данных, которые будут экспортированы в `SavedModel` и использоваться во время обслуживания. Словарь `{name: output}`, где: имя: произвольное имя для этого выхода. выход: объект `ExportOutput` , такой как `ClassificationOutput`, `RegressionOutput`, или `PredictOutput`. Модели с одной головой должны указать только одну запись в этом словаре. Модели с несколькими головами должны указать одну запись для каждого из них, одна из которых должна быть названа с помощью `tf.saved_model.signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEY`. Если запись не указана, будет создана стандартная карта `PredictOutput` с отображением на `predictions`.
`training_chief_hooks`	Итерируемый набор объектов `tf.train.SessionRunHook`, которые необходимо запустить на главном рабочем узле во время обучения.
`training_hooks`	Итерируемый набор объектов `tf.train.SessionRunHook`, которые необходимо запустить на всех рабочих узлах во время обучения.
`scaffold`	Объект `tf.train.Scaffold`, который может использоваться для настройки инициализации, сохранения и других параметров, которые используются в процессе обучения.
`evaluation_hooks`	Итерируемый набор объектов `tf.train.SessionRunHook`, которые необходимо запустить во время оценки.
`prediction_hooks`	Итерируемый набор объектов `tf.train.SessionRunHook`, которые необходимо запустить во время предсказаний.

Исключения
`ValueError`	В случае ошибки проверки.
`TypeError`	Если какой-либо из аргументов не соответствует ожидаемому типу.

Атрибуты
`mode`	Псевдоним `namedtuple` для поля с номером 0
`predictions`	Псевдоним `namedtuple` для поля с номером 1
`loss`	Псевдоним `namedtuple` для поля с номером 2
`train_op`	Псевдоним `namedtuple` для поля с номером 3
`eval_metric_ops`	Псевдоним `namedtuple` для поля с номером 4
`export_outputs`	Псевдоним `namedtuple` для поля с номером 5
`training_chief_hooks`	Псевдоним `namedtuple` для поля с номером 6
`training_hooks`	Псевдоним `namedtuple` для поля с номером 7
`scaffold`	Псевдоним `namedtuple` для поля с номером 8
`evaluation_hooks`	Псевдоним `namedtuple` для поля с номером 9
`prediction_hooks`	Псевдоним `namedtuple` для поля с номером 10

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/estimator/EstimatorSpec