Python tf.compat.v1.train.MonitoredSession用法及代碼示例

Session-like 處理初始化、恢複和掛鉤的對象。

用法

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

遷移到 TF2

警告：這個 API 是為 TensorFlow v1 設計的。繼續閱讀有關如何從該 API 遷移到本機 TensorFlow v2 等效項的詳細信息。見TensorFlow v1 到 TensorFlow v2 遷移指南有關如何遷移其餘代碼的說明。

此 API 與 Eager Execution 不兼容，並且tf.function.要遷移到 TF2，請重寫代碼以兼容 Eager Execution。檢查遷移指南更換Session.run調用。在 Keras 中，會話掛鉤可以由回調代替，例如測井鉤筆記本更多詳情請閱讀使用 tf.function 獲得更好的性能.

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：在創建時，受監控的會話按給定順序執行以下操作：

• 為每個給定的鉤子調用hook.begin()
• 通過scaffold.finalize() 完成圖形
• 創建會話
• 通過Scaffold提供的初始化操作初始化模型
• 如果存在檢查點，則恢複變量
• 啟動隊列跑步者
• 調用hook.after_create_session()

運行：當run()被調用時，被監控的會話做以下事情：

• 調用hook.before_run()
• 使用合並的提取和 feed_dict 調用 TensorFlow session.run()
• 調用hook.after_run()
• 返回用戶詢問的session.run()的結果
• 如果發生AbortedError 或UnavailableError，它會在再次執行run() 調用之前恢複或重新初始化會話

退出：在 close() ，受監控的會話按順序執行以下操作：

• 調用hook.end()
• 關閉隊列運行器和會話
• 抑製 OutOfRange 錯誤，如果 monitored_session 用作上下文，則表明所有輸入都已處理

如何設置tf.compat.v1.Session 參數：

• 在大多數情況下，您可以按如下方式設置會話參數：

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

• 在非首席員工的分布式設置中，您可以使用以下內容：

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

請參閱 MonitoredTrainingSession 以獲取基於主管或工人的示例用法。

注意：這不是 tf.compat.v1.Session 。例如，它不能執行以下操作：

• 它不能設置為默認會話。
• 它無法發送到 saver.save。
• 它無法發送到 tf.train.start_queue_runners。

子類

class StepContext