TF：tf.estimator

tf.estimator是比tf.contrib.slim更高级的API，能同时训练和验证模型。[更多]

---

1. tf.estimator的有些参数是函数，但又不能带参数，如：

   run_config = tf.estimator.RunConfig().replace(save_checkpoints_secs=1e9)
   model = tf.estimator.Estimator(
         model_fn=deeplab_model.deeplabv3_plus_model_fn,
         model_dir=FLAGS.model_dir,
         config=run_config,
         params={...})

   其中model_fn就只是函数名，其参数在params中指定。

2. tf.estimator.Estimator.train和tf.estimator.Estimator.evaluate的input_fn也不能带参数，如：

   tf.logging.info("Start training.")
   model.train(
         input_fn=lambda: input_fn(True, FLAGS.data_dir, FLAGS.batch_size, FLAGS.epochs_per_eval),
         hooks=train_hooks,
         # steps=1  # For debug
   )
   
   tf.logging.info("Start evaluation.")
   eval_results = model.evaluate(
         input_fn=lambda: input_fn(False, FLAGS.data_dir, 1),
         hooks=eval_hooks,
         # steps=1  # For debug
   )

   input_fn函数不能带参数，所以使用(1)lambda方式。此外还可以使用python的(2)functools.partial函数，如：

   model.train(
         input_fn=functools.partial(True, FLAGS.data_dir, FLAGS.batch_size, FLAGS.epochs_per_eval),
         hooks=train_hooks,
         # steps=1  # For debug
   )

   还可以向上面的model_fn那样，(2)单独定义函数，再传入函数名，或者使用(4)python wrapper修饰器。

3. 结束。

---