我正在使用object detection in tensorflow api。在我之前的工作中，我曾经检查过当前步骤并在每个 n 步骤中保存我的模型，类似于提到here的方法。
在这种情况下，虽然作者使用TensorFlow-Slim来执行培训。因此，他们使用tf.train.Saver传递给执行训练的实际函数：slim.learning.train()。虽然此函数有一些关于使用参数save_interval_secs写下训练模型的间隔的参数，但它是时间相关的而不是步骤依赖的。
所以，因为tf.train.Saver是＆＃34;被动＆＃34;提到的实用程序here只是使用提供的参数保存模型，意思是不知道任何时间或步骤概念，并且在对象检测代码中控件在 TensorFlow-Slim 中传递，通过将保护程序作为参数传递，在这种情况下，我如何实现保存我的模型步骤（每个 n步而不是每个 x秒）？
唯一的解决方案是挖掘超薄代码并对其进行编辑（所有风险都来自此）？或者还有其他我不熟悉的选择吗？
P.S.1
我发现这个选项here有一个令人惊讶的类似问题，但不幸的是它没有任何答案。因此，由于我的问题仍然存在，我将保留这个问题，以引起人们对该问题的兴趣。
P.S.2
查看slim.learning代码，我发现在train()传递参数后，它只是将控制传递给supervisor.Supervisor，这引用了tf.train.Supervisor这有点奇怪，因为这个类被视为已弃用。 supervisor的文档字符串中也提到了slim.learning的使用。