Tensorflow：训练估计器直到收敛

Question

据我了解Estimator API，方法train会对给定数据进行训练，直到input_fn函数引发异常或直到达到步数为止。因此，如果我想循环直到估算器已经收敛（对于它的某些定义），我需要自己编写循环并测试我的标准。对于估算工具e：

，这样的事情

prevloss = 999999999999
while True:
    e.train(input_fn)
    loss = e.evaluate(input_fn)['loss']
    if abs(prevloss - loss) < 1e-4:
        break

    prevloss = loss

但有一些事情对我来说仍然模糊不清。

• 何时调用输入函数？它应该始终返回相同的数据吗？它的正确用途是什么？
• 每次迭代都会将数据上传到GPU吗？
  • 如果是这样，我该如何避免？
• 输入函数返回的数据是否仅作为常量嵌入到图中？
  • 如果是，我该如何将其 feedable ？
• 总的来说，启动张量流工作需要0.8秒（即每次迭代没有进展1.6秒），这个循环不会更好地存在于GPU上吗？
  • 如果是这样，我该怎么做？