如何在每个训练步骤中保存训练模型，而不是基于时间间隔定期保存。 - 在TensorFlow-Slim中

Question

slim.learning.train（...）接受两个与保存模型（ save_interval_secs ）或保存摘要（ save_summaries_secs ）有关的参数。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，但我需要根据培训的“每一步”来做到这一点。

如何使用TF-slim api实现这一目标。

这是slim.learning列车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):

Answer 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。