如何阻止估计器恢复每次训练的权重和全局步骤

Question

我正在尝试使用 tensorflow 高级 API 来开发模型，但在训练和可视化阶段发现了一个问题：

对于同一个model_fn()，每次我尝试调用estimator.train()方法时，global_step都会比我上次训练的步数增加。例如，如果上次运行 estimator.train() 方法进行到 global_step = 2000，那么这次我开始训练模型时，将从 2000 年、2001 年、2002 年开始累积......

我的问题是：出于某种原因，我想每次都从头开始训练模型。也就是说，当我再次启动训练时，我不需要估计器来恢复先前训练的权重。

目前，我只是在每次启动新培训之前手动删除检查点和事件文件，而且效率确实很低。但是，即便如此，仍然存在上次的残差曲线，我无法通过这种方式删除。

我该如何处理？

Answer 1

估计器中的model_dir 选项是您提供保存模型的路径（检查点和其他东西）的地方。因此，每次您开始训练时，它都会查看该路径并查看是否有任何检查点，如果有，它将选择最后一个检查点并将权重加载到模型中并开始训练，这就是每次检查点增加的原因。

似乎有一种方法可以完全停止保存检查点，请查看此link。

目前，每次我想开始新的训练时，我都会为 model_dir 路径指定一个新位置。我将检查路径是否存在，如果不存在，我将创建该文件夹。