python-3.x - 将外部 Saver 与 Tensorflow Estimator 一起使用

Question

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：

1. 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？

2. 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。

标签： python-3.xtensorflowtensorflow-datasets