Question

在我的一个Tensorflow程序中，我使用tf.train.MonitoredTrainingSession(checkpoint_dir='./logdir')来训练网络。训练期间，我需要不时检查验证集的准确性。但是，我观察到，如果未调用opt.minimize或opt.apply_gradients（用于检查验证集的准确性），则会产生以下警告：

警告：tensorflow：似乎全局步长（tf.train.get_global_step）尚未增加。当前值（可能是稳定值）：3240与先前值：3240。您可以通过将tf.train.get_global_step（）传递给Optimizer.apply_gradients或Optimizer.minimize来增加全局步长。

要了解为什么会发生这种情况，我创建了以下简单的玩具程序：

#!/usr/bin/python

import tensorflow as tf

a = tf.get_variable('a', initializer=tf.constant([1.0]))
b = tf.get_variable('b', initializer=tf.constant([2.0]))
c = a + b 

global_step = tf.train.get_or_create_global_step()
init = tf.global_variables_initializer()

with tf.train.MonitoredTrainingSession(checkpoint_dir='./logdir') as sess:
  sess.run(init)
  print (sess.run(c))

  for _ in range(100):
    sess.run(c)

上面的程序还显示了相同类型的警告：

警告：tensorflow：似乎全局步长（tf.train.get_global_step）尚未增加。当前值（可能是稳定值）：0与先前值：0。您可以通过将tf.train.get_global_step（）传递给Optimizer.apply_gradients或Optimizer.minimize来增加全局步长。

但是在某些情况下，例如检查开发集的准确性，可以预期global_step不会增加。调用sess.run时，有什么方法可以禁用此警告？

使用MonitoredTrainingSession

0 个答案: