Python tf.compat.v1.train.MonitoredSession用法及代码示例

Session-like 处理初始化、恢复和挂钩的对象。

用法

tf.compat.v1.train.MonitoredSession(
    session_creator=None, hooks=None, stop_grace_period_secs=120
)

迁移到 TF2

警告：这个 API 是为 TensorFlow v1 设计的。继续阅读有关如何从该 API 迁移到本机 TensorFlow v2 等效项的详细信息。见TensorFlow v1 到 TensorFlow v2 迁移指南有关如何迁移其余代码的说明。

此 API 与 Eager Execution 不兼容，并且tf.function.要迁移到 TF2，请重写代码以兼容 Eager Execution。检查迁移指南更换Session.run调用。在 Keras 中，会话挂钩可以由回调代替，例如测井钩笔记本更多详情请阅读使用 tf.function 获得更好的性能.

示例用法：

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

初始化：在创建时，受监控的会话按给定顺序执行以下操作：

• 为每个给定的钩子调用hook.begin()
• 通过scaffold.finalize() 完成图形
• 创建会话
• 通过Scaffold提供的初始化操作初始化模型
• 如果存在检查点，则恢复变量
• 启动队列跑步者
• 调用hook.after_create_session()

运行：当run()被调用时，被监控的会话做以下事情：

• 调用hook.before_run()
• 使用合并的提取和 feed_dict 调用 TensorFlow session.run()
• 调用hook.after_run()
• 返回用户询问的session.run()的结果
• 如果发生AbortedError 或UnavailableError，它会在再次执行run() 调用之前恢复或重新初始化会话

退出：在 close() ，受监控的会话按顺序执行以下操作：

• 调用hook.end()
• 关闭队列运行器和会话
• 抑制 OutOfRange 错误，如果 monitored_session 用作上下文，则表明所有输入都已处理

如何设置tf.compat.v1.Session 参数：

• 在大多数情况下，您可以按如下方式设置会话参数：

MonitoredSession(
  session_creator=ChiefSessionCreator(master=..., config=...))

• 在非首席员工的分布式设置中，您可以使用以下内容：

MonitoredSession(
  session_creator=WorkerSessionCreator(master=..., config=...))

请参阅 MonitoredTrainingSession 以获取基于主管或工人的示例用法。

注意：这不是 tf.compat.v1.Session 。例如，它不能执行以下操作：

• 它不能设置为默认会话。
• 它无法发送到 saver.save。
• 它无法发送到 tf.train.start_queue_runners。

子类

class StepContext