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

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.

请注意，不建议将此实用程序用于分布式设置。对于分布式设置，请使用 tf.compat.v1.train.MonitoredSession 。 MonitoredSession 和 SingularMonitoredSession 之间的区别是：

• MonitoredSession 为分布式设置处理 AbortedError 和 UnavailableError，但 SingularMonitoredSession 不处理。
• MonitoredSession 可以在chief 或worker 模式下创建。 SingularMonitoredSession 始终创建为 chief 。
• 您可以访问原始tf.compat.v1.Session使用的对象SingularMonitoredSession，而在 MonitoredSession 中，原始会话是私有的。这可以用来：
  • 到没有钩子的run。
  • 保存和恢复。
• 所有其他函数都是相同的。

示例用法：

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

初始化：在创建时，挂钩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

运行：当run()被调用时，被钩住的会话做以下事情：

• 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

退出：在 close() 处，挂钩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 SingularMonitoredSession 用作上下文，则表明所有输入都已处理。

子类

class StepContext