如何在每个训练步骤保存训练模型，而不是根据时间间隔定期保存。？ - 在 TensorFlow-Slim 中答案

【问题标题】：How to save training model at each training step instead of periodic save based on time interval.? - in TensorFlow-Slim如何在每个训练步骤保存训练模型，而不是根据时间间隔定期保存。？ - 在 TensorFlow-Slim 中
【发布时间】：2018-07-06 01:06:53
【问题描述】：

slim.learning.train(...) 接受与保存模型（save_interval_secs）或保存摘要（save_summaries_secs）有关的两个参数。这个 API 的问题是，它只允许根据一些“时间间隔”保存模型/摘要，但我需要根据训练的“每一步”来执行此操作。

如何使用 TF-slim api 实现这一点？

这是 slim.learning train api -

def train(train_op,
          logdir,
          train_step_fn=train_step,
          train_step_kwargs=_USE_DEFAULT,
          log_every_n_steps=1,
          graph=None,
          master='',
          is_chief=True,
          global_step=None,
          number_of_steps=None,
          init_op=_USE_DEFAULT,
          init_feed_dict=None,
          local_init_op=_USE_DEFAULT,
          init_fn=None,
          ready_op=_USE_DEFAULT,
          summary_op=_USE_DEFAULT,
          **save_summaries_secs=600,**
          summary_writer=_USE_DEFAULT,
          startup_delay_steps=0,
          saver=None,
          **save_interval_secs=600,**
          sync_optimizer=None,
          session_config=None,
          session_wrapper=None,
          trace_every_n_steps=None,
          ignore_live_threads=False):

【问题讨论】：

标签： tensorflow tensorflow-slim

【解决方案1】：

Slim 已弃用，使用 Estimator 可以完全控制保存/汇总频率。

您还可以将秒数设置为非常小的数字，以便始终保存。

【讨论】：