tf.estimator.experimental.InMemoryEvaluatorHook

Хук для запуска оценки в процессе обучения без контрольной точки.

Наследуется от: SessionRunHook

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.estimator.experimental.InMemoryEvaluatorHook

tf.estimator.experimental.InMemoryEvaluatorHook(
    estimator, input_fn, steps=None, hooks=None, name=None, every_n_iter=100
)

Пример:

def train_input_fn():
  ...
  return train_dataset

def eval_input_fn():
  ...
  return eval_dataset

estimator = tf.estimator.DNNClassifier(...)

evaluator = tf.estimator.experimental.InMemoryEvaluatorHook(
    estimator, eval_input_fn)
estimator.train(train_input_fn, hooks=[evaluator])

Текущие ограничения этого подхода:

Он не поддерживает многоузловую распределённую работу.
Он не поддерживает сохраняемые объекты, кроме переменных (такие как поддержка дерева с усилением).
Он не поддерживает пользовательскую логику сохранения (например, поддержку ExponentialMovingAverage).

Аргументы
`estimator`	Экземпляр `tf.estimator.Estimator` для вызова evaluate.
`input_fn`	Эквивалентно аргументу `input_fn` функции `estimator.evaluate`. Функция, которая создает входные данные для оценки. См. Создание функций ввода для получения дополнительной информации. Функция должна создать и вернуть один из следующих объектов: Объект 'tf.data.Dataset': Выходы объекта `Dataset` должны быть кортежем (features, labels) с теми же ограничениями, что и ниже. Кортеж (features, labels): где `features` — это `Tensor` или словарь из имени признака в виде строки к `Tensor` и `labels` — это `Tensor` или словарь из имени метки в виде строки к `Tensor`. И `features` и `labels` потребляются функцией `model_fn`. Они должны удовлетворять ожиданиям `model_fn` от входов.
`steps`	Эквивалентно аргументу `steps` функции `estimator.evaluate`. Количество шагов для оценки модели. Если `None`, выполняется оценка до тех пор, пока `input_fn` не сгенерирует исключение конца ввода.
`hooks`	Эквивалентно аргументу `hooks` функции `estimator.evaluate`. Список экземпляров подклассов `SessionRunHook`. Используется для обратных вызовов внутри вызова оценки.
`name`	Эквивалентно аргументу `name` функции `estimator.evaluate`. Имя оценки, если пользователю нужно выполнить несколько оценок на разных наборах данных, например, на обучающих данных и тестовых данных. Метрики для разных оценок сохраняются в отдельных папках и отображаются отдельно в tensorboard.
`every_n_iter`	`int`, выполняет оценку один раз каждые N итераций обучения.

Исключения
`ValueError`	если `every_n_iter` не положительно или обучение не на одном компьютере

Методы

`after_create_session`

Просмотреть исходный код

after_create_session(
    session, coord
)

Выполняется первый запуск, который отображает метрики оценки перед началом обучения.

`after_run`

Просмотреть исходный код

after_run(
    run_context, run_values
)

Выполняет оценку.

`before_run`

Просмотреть исходный код

before_run(
    run_context
)

Вызывается перед каждым вызовом run().

Вы можете вернуть из этого вызова объект SessionRunArgs, указывающий на операции или тензоры для добавления в последующий вызов run(). Эти операции/тензоры будут выполняться вместе с операциями/тензорами, изначально переданными в исходный вызов run(). Аргументы запуска, которые вы возвращаете, также могут содержать значения для добавления к вызову run().

Аргумент run_context — это объект SessionRunContext, который предоставляет информацию о предстоящем вызове run(): первоначально запрошенные операции/тензоры, сессия TensorFlow.

На этом этапе граф завершен, и вы не можете добавлять операции.

Аргументы
`run_context`	Объект `SessionRunContext`.

Возвращаемое значение
None или объект `SessionRunArgs`.

`begin`

Просмотреть исходный код

begin()

Построение графа оценки и восстановления операции.

`end`

Просмотреть исходный код

end(
    session
)

Выполняет оценку для окончательной модели.

© 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/experimental/InMemoryEvaluatorHook