TensorFlow 版本:1.11.0
在 TensorFlow 1.4 版本中,Google 新引入了一个新 API:tf.estimator.train_and_evaluate
。提出这个 API 的目的是:代替 tf.contrib.learn.Experiment
。
1. tf.estimator.train_and_evaluate
简介
train_and_evaluate
API 用来 train
然后 evaluate
一个 Estimator。调用方式如下:
tf.estimator.train_and_evaluate(
estimator,
train_spec,
eval_spec
)
这个函数除了 train 和 evaluate 之外,还可选的提供了模型的导出功能,这样就可以把一个训练好的模型直接转交给业务部门来使用了,可以算是“产学研”一条龙服务了。
该函数的参数有三个:
estimator
:一个Estimator
实例。train_spec
:一个TrainSpec
实例。用来配置训练过程。eval_spec
:一个EvalSpec
实例。用来配置评估过程、(可选)模型的导出。
该函数的返回值有一个:
Estimator.evaluate
的结果 及 前面指定的ExportStrategy
的输出结果。当前,尚未定义分布式训练模式的返回值。
实际上,如果直接使用 Estimator API,完成 train 和 evaluate 已经是很简单的任务了,为什么我们还要使用 train_and_evaluate 这个函数呢?按官方文档的说法:这个函数可以保证 本地 和 分布式 环境下行为的一致性。也就是说,使用 Estimator
和 train_and_evaluate
编写的程序同时支持本地、集群上的训练,而不需要修改任何代码。可以想像一下,在完成了本地 CPU 训练的测试之后,直接 push 到 Cloud ML Engine 上,分分钟完成一个模型的训练,甚至还可以直接使用 TPU 集群(只要你保证模型里的 op 都是对 TPU 兼容的),多么方便的一个工具啊!
这个函数默认的分布式策略是:parameter server-based between-graph replication。对于其它的分布式策略的使用,可以参照 DistributionStrategies 。TensorFlow 关于分布式的官方文档见 Distributed TensorFlow。
当然,方便的背后一般都有代价。为了保证代码在本地和集群上都可以正常终止,所以只能使用 Estimator 的 max_steps
参数设定终止条件。所以,如果想使用别的方式终止训练,可能就需要一些“技巧”了。
2. 参数说明
上面我们已经知道 train_and_evaluate 有三个参数,第一个先放在一边,因为这个参数就是一个 Estimator 的实例。我们先来看一下另外两个参数:
2.1 train_spec
参数
train_spec
参数接收一个 tf.estimator.TrainSpec
实例。
# TrainSpec的参数
__new__(
cls, # 这个参数不用指定,忽略即可。
input_fn,
max_steps=None,
hooks=None
)
其中:
input_fn
: 参数用来指定数据输入。max_steps
: 参数用来指定训练的最大步数,这是训练的唯一终止条件。hooks
: 参数用来挂一些tf.train.SessionRunHook
,用来在 session 运行的时候做一些额外的操作,比如记录一些 TensorBoard 日志什么的。
2.2 eval_spec
参数
eval_spec
参数接收一个 tf.estimator.EvalSpec
实例。相比 TrainSpec
,EvalSpec
的参数多很多。因为 EvalSpec
不仅可以指定评估过程,还可以指定导出模型的功能(可选)。
__new__(
cls, # 这个参数不用指定,忽略即可。
input_fn,
steps=100, # 评估的迭代步数,如果为None,则在整个数据集上评估。
name=None,
hooks=None,
exporters=None,
sta