TensorFlow Estimator 官方文档之----Checkpoints

最新推荐文章于 2023-11-20 09:59:56 发布

黑暗星球

最新推荐文章于 2023-11-20 09:59:56 发布

阅读量1.2w

点赞数 4

分类专栏： TensorFlow教程文章标签： Checkpoints

本文链接：https://blog.csdn.net/u014061630/article/details/82901646

版权

本文详细介绍了如何使用TensorFlow Estimator进行模型的保存和恢复，特别是checkpoints的创建和管理。Estimator在训练过程中自动保存checkpoints和event files，可以通过model_dir参数指定保存路径。默认情况下，每10分钟会保存一次checkpoint，最多保留5个。恢复模型时，需确保模型结构与checkpoint兼容，否则会导致恢复失败。

摘要由CSDN通过智能技术生成

本文介绍了 Estimators 模型的保存和恢复。

TensorFlow提供了两种模型格式：

checkpoints：这种格式依赖于创建模型的代码。
SavedModel：这种格式与创建模型的代码无关。

本文档主要介绍checkpoints。要详细了解 SavedModel，请参阅《TensorFlow 编程人员指南》的 Saving and Restoring 一章。

文章目录

1. 保存经过部分训练的模型

Estimators 在训练过程中会自动将以下内容保存到磁盘：

chenkpoints：训练过程中的模型快照。
event files：其中包含 TensorBoard 用于创建可视化图表的信息。

通过 model_dir 参数，我们可以指定 Estimator 保存上述文件时的顶级目录。

# 实例化 estimator
classifier = tf.estimator.DNNClassifier(
    feature_columns=my_feature_columns,
    hidden_units=[10, 10],
    n_classes=3,
    model_dir='models/iris')

# 训练 estimator
classifier.train(
    input_fn=lambda:train_input_fn(train_x, train_y, batch_size=100),
    steps=200)