python-3.x - 将外部 Saver 与 Tensorflow Estimator 一起使用
问题描述
我正在尝试使用一个名为 ray ( http://ray.readthedocs.io/en/latest/ ) 的框架来执行作为自定义估计器实现的 tensorflow 模型的超参数优化。该模型使用 tf.data 数据集/迭代器来为模型提供数据。
要使用基于模型的优化射线,我们需要实现一个既可以检查点又可以恢复模型的类。据我所知,这需要我们使用外部 Saver 实例来管理检查点和恢复。我无法完成的部分是构建一个可初始化的迭代器,我可以在恢复模型时重新初始化它。
我希望了解以下内容:
是否有关于使用 Saver(或估计器机制的其他一些外部)来管理模型的检查点和恢复的任何指导?
我无法在馈送到估计器的输入函数中创建可初始化的迭代器。它给了我一个错误,它不在同一个图中,鉴于尚未创建主模型的图,我认为这是有道理的。是否有不同的方法来创建用于估计器的可初始化迭代器?
我试图将模型保留为它提供的所有明显优势的估计器,并且不希望必须维护模型的两个不同版本。
解决方案
推荐阅读
- python - 如何使用 setup.py 导出多个包
- r - 分解 R 包中的 disag_model() 函数存在问题
- javascript - 未捕获的 SyntaxError:EXT JS 中的令牌无效或意外
- react-native - 获得屏幕“搜索”的“组件”和“儿童”道具。你只能通过其中之一
- webpack - Webpack 和生成器
- terminal - 在 Zsh 中将 stderr 变为红色的代码错误?
- c - 如何正确将 strcat 用于 char 数组?
- javascript - 如何使用 dojo 在选择中设置当前值和名称?
- javascript - Javascript数组减少返回零而不是未定义
- sql - SQL Join 同一张表