Question

我已经使用Estimator API训练RNN模型，并且想绘制成本/时期图并获得最佳的模型权重矩阵。 Estimator API有可能吗？这是代码：

   classifier.train(input_fn=lambda: input_fn_train(train_x, label_train, batch_size),steps=train_steps)


   eval_result = classifier.evaluate(input_fn=lambda: input_fn_eval(test_x, label_test, batch_size))

Answer 1

有可能。您要做的是配置估算器以生成相关信息，这对于您确定要保留的权重很有用。这可以通过检查点来完成。这是模型的“保存”。将一些配置传递给估算器config=。

以下是带有自定义估算器的示例：

def model_fn(features, labels, mode, params):
    #Some code is here that gives you the output of your model from where
    #you get your predictions.
    if mode == tf.estimator.ModeKeys.TRAIN or tf.estimator.ModeKeys.EVAL:
        #Some more code is here
        loss = #your loss function here
        tf.summary.scalar('loss', loss)
    if mode == tf.estimator.ModeKeys.TRAIN:
        #More code here that train your model
    if mode == tf.estimator.ModeKeys.EVAL:
        #Again more code that you use to get some evaluation metrics
    if mode == tf.estimator.ModeKeys.PREDICT:
        #Code...
    return tf.estimator.EstimatorSpec(mode=mode,
                                      predictions=predictions,
                                      loss=loss,
                                      train_op=train_op,
                                      eval_metric_ops=eval_metric_ops)


configuration = tf.estimator.RunConfig(save_summary_steps=10,
                                       keep_checkpoint_max=30,
                                       save_checkpoints_steps=10,
                                       log_step_count_steps=10)

custom_estimator = tf.estimator.Estimator(model_fn=model_fn,
                               model_dir='model_dir',
                               config=configuration)

custom_estimator.train(input_fn=input_fn_train, steps=10000)

save_summary_steps：实际上，您可以将其想像成几步估算器将更新您的摘要。这可能很有用，所以您可以绘制损失每10步。

save_checkpoints_steps：在当前状态下，估算器将保存几步。

您可以在model_dir中找到这些检查点。

如果您使用固定估计器，那么我认为摘要是预定义的，但是损失函数已经存在，因此您只需要配置要打印摘要的频率和保存模型状态的频率即可。

使用Tensorflow的估算器API在RNN的每个时期中权重矩阵和成本

1 个答案: