如何使用来自 Tensorflow Dataset API 的 feedable 迭代器和 MonitoredTrainingSession？

Question

Tensorflow programmer's guide 建议使用 feedable 迭代器在训练和验证数据集之间切换，而无需重新初始化迭代器。主要是需要进给手柄来选择。

如何与tf.train.MonitoredTrainingSession一起使用？

以下方法失败并显示“RuntimeError: Graph is finalized and cannot be modified。”错误。

with tf.train.MonitoredTrainingSession() as sess:
    training_handle = sess.run(training_iterator.string_handle())
    validation_handle = sess.run(validation_iterator.string_handle())

如何同时实现 MonitoredTrainingSession 的便利性和迭代训练和验证数据集？

Answer 1

我从 Tensorflow GitHub 问题中得到了答案 - https://github.com/tensorflow/tensorflow/issues/12859

解决方案是在创建MonitoredSession 之前调用iterator.string_handle()。

import tensorflow as tf
from tensorflow.contrib.data import Dataset, Iterator

dataset_train = Dataset.range(10)
dataset_val = Dataset.range(90, 100)

iter_train_handle = dataset_train.make_one_shot_iterator().string_handle()
iter_val_handle = dataset_val.make_one_shot_iterator().string_handle()

handle = tf.placeholder(tf.string, shape=[])
iterator = Iterator.from_string_handle(
    handle, dataset_train.output_types, dataset_train.output_shapes)
next_batch = iterator.get_next()

with tf.train.MonitoredTrainingSession() as sess:
    handle_train, handle_val = sess.run([iter_train_handle, iter_val_handle])

    for step in range(10):
        print('train', sess.run(next_batch, feed_dict={handle: handle_train}))

        if step % 3 == 0:
            print('val', sess.run(next_batch, feed_dict={handle: handle_val}))

Output:
('train', 0)
('val', 90)
('train', 1)
('train', 2)
('val', 91)
('train', 3)

Answer 2

@Michael Jaison G 的答案是正确的。但是，当您还想使用某些需要评估图形部分的 session_run_hooks 时，它不起作用，例如LoggingTensorHook 或 SummarySaverHook。 下面的例子会报错：

import tensorflow as tf

dataset_train = tf.data.Dataset.range(10)
dataset_val = tf.data.Dataset.range(90, 100)

iter_train_handle = dataset_train.make_one_shot_iterator().string_handle()
iter_val_handle = dataset_val.make_one_shot_iterator().string_handle()

handle = tf.placeholder(tf.string, shape=[])
iterator = tf.data.Iterator.from_string_handle(
    handle, dataset_train.output_types, dataset_train.output_shapes)
feature = iterator.get_next()

pred = feature * feature
tf.summary.scalar('pred', pred)
global_step = tf.train.create_global_step()

summary_hook = tf.train.SummarySaverHook(save_steps=5,
                                         output_dir="summaries", summary_op=tf.summary.merge_all())

with tf.train.MonitoredTrainingSession(hooks=[summary_hook]) as sess: 
    handle_train, handle_val = sess.run([iter_train_handle, iter_val_handle])

    for step in range(10):
        feat = sess.run(feature, feed_dict={handle: handle_train})
        pred_ = sess.run(pred, feed_dict={handle: handle_train})
        print('train: ', feat)
        print('pred: ', pred_)

        if step % 3 == 0:
            print('val', sess.run(feature, feed_dict={handle: handle_val}))

这将失败并出现错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype string
     [[Node: Placeholder = Placeholder[dtype=DT_STRING, shape=[], _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]
     [[Node: cond/Switch_1/_15 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device_incarnation=1, tensor_name="edge_18_cond/Switch_1", tensor_type=DT_INT64, _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]

原因是钩子会在第一个 session.run([iter_train_handle, iter_val_handle]) 时尝试评估图形，显然在 feed_dict 中还没有句柄。

解决方法是覆盖导致问题的钩子，并将 before_run 和 after_run 中的代码更改为仅对包含 feed_dict 中的句柄的 session.run 调用进行评估（您可以访问当前 session.run 调用的 feed_dict通过 before_run 和 after_run 的 run_context 参数）

或者您可以使用最新的 Tensorflow 大师（post-1.4），它向 MonitoredSession 添加了一个 run_step_fn 函数，它允许您指定以下 step_fn 以避免错误（以评估 if 语句 TrainingIteration 次数为代价...)

def step_fn(step_context):
  if handle_train is None:
    handle_train, handle_val = sess.run([iter_train_handle, iter_val_handle])
  return step_context.run_with_hooks(fetches=..., feed_dict=...)

Answer 3

有一个使用 SessionRunHook 在 mot_session 中使用占位符的演示。 这个演示是关于通过输入 diff handle_string 来切换数据集。

顺便说一句，我已经尝试了所有解决方案，但只有这个有效。

dataset_switching