Python tf.data.experimental.make_saveable_from_iterator用法及代码示例

返回一个 SaveableObject 用于使用 Saver 保存/恢复迭代器状态。 (已弃用)

用法

tf.data.experimental.make_saveable_from_iterator(
    iterator, external_state_policy=None
)

警告：此函数已弃用。它将在未来的版本中删除。更新说明：make_saveable_from_iterator 旨在与 tf.compat.v1.Saver 一起在 TF1 中使用。在 TF2 中，请改用tf.train.Checkpoint。

例如：

with tf.Graph().as_default():
  ds = tf.data.Dataset.range(10)
  iterator = ds.make_initializable_iterator()
  # Build the iterator SaveableObject.
  saveable_obj = tf.data.experimental.make_saveable_from_iterator(iterator)
  # Add the SaveableObject to the SAVEABLE_OBJECTS collection so
  # it can be automatically saved using Saver.
  tf.compat.v1.add_to_collection(tf.GraphKeys.SAVEABLE_OBJECTS, saveable_obj)
  saver = tf.compat.v1.train.Saver()

  while continue_training:
    ... Perform training ...
    if should_save_checkpoint:
      saver.save()

注意：恢复迭代器时，现有的迭代器状态将被完全丢弃。这意味着您对数据集图所做的任何更改也将被丢弃！这包括您在验证期间可能构建的新数据集图。因此，在运行验证时，请确保在恢复检查点后运行验证输入管道的初始化程序。

注意：并非所有迭代器都支持检查点。尝试保存不受支持的迭代器的状态将引发错误。