如何在 tf-slim 中使用evaluation_loop和train_loop

Question

我正在尝试实现几个不同的模型并在 CIFAR-10 上训练它们，并且我想使用 TF-slim 来执行此操作。看起来 TF-slim 有两个在训练期间很有用的主要循环：train_loop 和 evaluation_loop。

我的问题是：使用这些循环的规范方法是什么？ 作为后续：是否可以使用 train_loop 提前停止？

目前我有一个模型，我的训练文件 train.py 看起来像这样

import ...
train_log_dir = ...

with tf.device("/cpu:0"):
  images, labels, dataset = set_up_input_pipeline_with_fancy_prefetching( 
                                                                subset='train', ... )
logits, end_points = set_up_model( images ) // Possibly using many GPUs
total_loss = set_up_loss( logits, labels, dataset )
optimizer, global_step = set_up_optimizer( dataset )
train_tensor = slim.learning.create_train_op( 
                                      total_loss, 
                                      optimizer,
                                      global_step=global_step,
                                      clip_gradient_norm=FLAGS.clip_gradient_norm,
                                      summarize_gradients=True)
slim.learning.train(train_tensor, 
                      logdir=train_log_dir,
                      local_init_op=tf.initialize_local_variables(),
                      save_summaries_secs=FLAGS.save_summaries_secs,
                      save_interval_secs=FLAGS.save_interval_secs)

到目前为止，这真是太棒了——我的模型都可以很好地训练和收敛。我可以从train_log_dir 中的事件中看到这一点，所有指标都朝着正确的方向发展。朝着正确的方向前进让我很开心。

但我想检查验证集上的指标是否也在改进。我不知道 TF-slim 有什么方法可以很好地与训练循环配合使用，所以我创建了第二个名为 eval.py 的文件，其中包含我的评估循环。

import ...
train_log_dir = ...

with tf.device("/cpu:0"):
  images, labels, dataset = set_up_input_pipeline_with_fancy_prefetching( 
                                                                subset='validation', ... )
logits, end_points = set_up_model( images )
summary_ops, names_to_values, names_to_updates = create_metrics_and_summary_ops( 
                                                                logits,
                                                                labels,
                                                                dataset.num_classes() )

slim.get_or_create_global_step()
slim.evaluation.evaluation_loop(
      '',
      checkpoint_dir=train_log_dir,
      logdir=train_log_dir,
      num_evals=FLAGS.num_eval_batches,
      eval_op=names_to_updates.values(),
      summary_op=tf.merge_summary(summary_ops),
      eval_interval_secs=FLAGS.eval_interval_secs,
      session_config=config)

问题：

1) 我目前有这个用于评估循环的模型占用了整个 GPU，但它很少被使用。我认为有更好的方法来分配资源。如果我可以使用相同的评估循环来监控多个不同模型的进度（多个目录中的检查点），那就太好了。这样的事情可能吗？

2) 评估和培训之间没有反馈。我正在训练大量模型，并且希望使用提前停止来停止未学习或未收敛的模型。有没有办法做到这一点？理想情况下使用来自验证集的信息，但如果它必须仅基于训练数据，也可以。

3) 我的工作流程全错了吗？我应该以不同的方式构建它吗？从文档中不清楚如何将评估与培训结合使用。

更新 ~~看来，从 TF r0.11 开始，我在调用 slim.evaluation.evaluation_loop 时也遇到了段错误。它只是有时会发生（对我来说，当我将我的工作分派到集群时）。它发生在sv.managed_session--特别是prepare_or_wait_for_session.~~ 这只是由于评估循环（张量流的第二个实例）试图使用 GPU，而 GPU 已经被第一个实例征用。

Answer 1

1. evaluation_loop 旨在与单个目录一起使用（正如您当前正在使用的那样）。如果您想提高效率，可以使用 slim.evaluation.evaluate_once 并根据需要添加适当的逻辑来交换目录。

2. 您可以通过覆盖 slim.learning.train(..., train_step_fn) 参数来做到这一点。此参数将“train_step”函数替换为自定义函数。在这里，您可以提供自定义训练函数，该函数返回您认为合适的“total_loss”和“should_stop”值。

3. 您的工作流程看起来很棒，这可能是使用 TF-Slim 进行学习/评估的最常见工作流程。

Answer 2

添加我的 2 美分：

我目前有这个用于评估循环的模型 整个 GPU，但很少使用

通常评估模型占用较少的 GPU 内存。您可以通过将会话配置 allow_growth 设置为 True 来防止 TF 占用整个 GPU 内存。这样您就可以使用同一个 GPU 进行训练和评估

示例@培训

session_config = tf.ConfigProto()
session_config.gpu_options.allow_growth = True

slim.learning.train(train_tensor, 
                  logdir=train_log_dir,
                  local_init_op=tf.initialize_local_variables(),
                  save_summaries_secs=FLAGS.save_summaries_secs,
                  save_interval_secs=FLAGS.save_interval_secs,
                  session_config=session_config)

@验证示例

session_config = tf.ConfigProto()
session_config.gpu_options.allow_growth = True

slim.evaluation.evaluation_loop(
      '',
      checkpoint_dir=train_log_dir,
      logdir=train_log_dir,
      num_evals=FLAGS.num_eval_batches,
      eval_op=names_to_updates.values(),
      summary_op=tf.merge_summary(summary_ops),
      eval_interval_secs=FLAGS.eval_interval_secs,
      session_config=session_config)

Answer 3

感谢@kmalakoff，the TensorFlow issue 为解决tf.slim 训练中如何验证或测试模型的问题提供了一个绝妙的方法。主要思想是覆盖train_step_fn函数：

import …
from tensorflow.contrib.slim.python.slim.learning import train_step

...

accuracy_validation = ...
accuracy_test = ...

def train_step_fn(session, *args, **kwargs):
    total_loss, should_stop = train_step(session, *args, **kwargs)

    if train_step_fn.step % FLAGS.validation_every_n_step == 0:
        accuracy = session.run(train_step_fn.accuracy_validation)
        print('your validation info')

    if train_step_fn.step % FLAGS.test_every_n_step == 0:
        accuracy = session.run(train_step_fn.accuracy_test)
        print('your test info')

    train_step_fn.step += 1
    return [total_loss, should_stop] 

train_step_fn.step = 0
train_step_fn.accuracy_validation = accuracy_validation
train_step_fn.accuracy_test = accuracy_test

# run training.
slim.learning.train(
    train_op,
    FLAGS.logs_dir,
    train_step_fn=train_step_fn,
    graph=graph,
    number_of_steps=FLAGS.max_steps)