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

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.

請注意，不建議將此實用程序用於分布式設置。對於分布式設置，請使用 tf.compat.v1.train.MonitoredSession 。 MonitoredSession 和 SingularMonitoredSession 之間的區別是：

• MonitoredSession 為分布式設置處理 AbortedError 和 UnavailableError，但 SingularMonitoredSession 不處理。
• MonitoredSession 可以在chief 或worker 模式下創建。 SingularMonitoredSession 始終創建為 chief 。
• 您可以訪問原始tf.compat.v1.Session使用的對象SingularMonitoredSession，而在 MonitoredSession 中，原始會話是私有的。這可以用來：
  • 到沒有鉤子的run。
  • 保存和恢複。
• 所有其他函數都是相同的。

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：在創建時，掛鉤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

運行：當run()被調用時，被鉤住的會話做以下事情：

• 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

退出：在 close() 處，掛鉤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 SingularMonitoredSession 用作上下文，則表明所有輸入都已處理。

子類

class StepContext