Estimator 训练期间的验证

Question

不推荐使用 TensorFlow r1.3 监视器：

"2016-12-05", “监视器已弃用。请使用 tf.train.SessionRunHook。”） 并且 Estimator.train(input_fn,hooks,..) 仅适用于钩子。

如何用钩子实现验证监视器的功能？

Answer 1

编辑：正如 cmets 中指出的那样，这感觉是正确的做法，但是 每次评估时都会重新初始化权重，这使得它几乎没用的……

---

我最终能够使用train_and_evaluate 函数监控我的验证错误（我理解您正在尝试这样做）。您必须使用的EvalSpec 对象具有参数start_delay_secs 和throttle_secs，用于定义计算误差（或您在估算器的EVAL 模式中定义的任何值）的频率。

我的代码看起来有点像

classifier = tf.estimator.Estimator(
    model_fn=model_fn,
    model_dir=model_dir,
    params=params)

train_spec = tf.estimator.TrainSpec(
    input_fn = input_fn,
)

eval_spec = tf.estimator.EvalSpec(
    input_fn = valid_input_fn,
    throttle_secs=120,
    start_delay_secs=120,
)

tf.estimator.train_and_evaluate(
    classifier,
    train_spec,
    eval_spec
)

Answer 2

我一直在使用SummarySaverHook 而不是监视器。它们还没有“那么强大”，培训材料也没有更新，说明如何准确地复制 Monitor 功能。

这是我的使用方法：

summary_hook = tf.train.SummarySaverHook(
    save_steps=SAVE_EVERY_N_STEPS,
    output_dir='./tmp/rnnStats',
    scaffold=tf.train.Scaffold(),
    summary_op=tf.summary.merge_all())

print("Classifier.train")
classifier.train(input_fn=train_input_fn, steps=1000, hooks=[summary_hook])