当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python tf.estimator.experimental.stop_if_no_increase_hook用法及代码示例


如果指标在给定的最大步长内没有增加，则创建挂钩以停止。

用法

tf.estimator.experimental.stop_if_no_increase_hook(
    estimator, metric_name, max_steps_without_increase, eval_dir=None, min_steps=0,
    run_every_secs=60, run_every_steps=None
)

参数

  • estimator tf.estimator.Estimator 实例。
  • metric_name str ，要跟踪的指标。 "loss"、"accuracy"等
  • max_steps_without_increase int ，在给定指标没有增加的情况下的最大训练步数。
  • eval_dir 如果设置，则包含带有评估指标的摘要文件的目录。默认情况下，将使用estimator.eval_dir()。
  • min_steps int ，如果全局步长小于此值，则永远不会请求停止。默认为 0。
  • run_every_secs 如果指定，则以 run_every_secs 秒的间隔调用 should_stop_fn。默认为 60 秒。必须设置这个或run_every_steps。
  • run_every_steps 如果指定，则每 run_every_steps 步骤调用 should_stop_fn。必须设置这个或run_every_secs。

返回

  • SessionRunHook 类型的 early-stopping 钩子，它定期检查给定的指标是否显示超过给定的最大训练步数没有增加，如果为真则启动提前停止。

使用示例：

estimator = ...
# Hook to stop training if accuracy does not increase in over 100000 steps.
hook = early_stopping.stop_if_no_increase_hook(estimator, "accuracy", 100000)
train_spec = tf.estimator.TrainSpec(..., hooks=[hook])
tf.estimator.train_and_evaluate(estimator, train_spec, ...)

警告：当前实现支持 early-stopping 在本地模式下进行训练和评估。在分布式模式下，可以停止训练，但评估(这是一项单独的工作)将无限期地等待新模型检查点的评估，因此您将需要其他方法来检测和停止它。分布式模式下的Early-stopping 评估需要更改train_and_evaluate API，并将在未来的修订版中解决。

相关用法


注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.estimator.experimental.stop_if_no_increase_hook。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。