TF：tf.estimator

最新推荐文章于 2022-12-09 11:24:23 发布

qq_26697045

最新推荐文章于 2022-12-09 11:24:23 发布

阅读量403

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习基础s

本文链接：https://blog.youkuaiyun.com/qq_26697045/article/details/89365987

深度学习基础s 专栏收录该内容

64 篇文章

订阅专栏

本文深入探讨了tf.estimator这一高级API的使用方法，详细解释了如何通过它同时进行模型训练和验证，包括如何正确设置参数、使用lambda表达式及functools.partial函数来传递复杂参数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf.estimator是比tf.contrib.slim更高级的API，能同时训练和验证模型。[更多]

tf.estimator的有些参数是函数，但又不能带参数，如：

run_config = tf.estimator.RunConfig().replace(save_checkpoints_secs=1e9)
model = tf.estimator.Estimator(
      model_fn=deeplab_model.deeplabv3_plus_model_fn,
      model_dir=FLAGS.model_dir,
      config=run_config,
      params={...})

其中model_fn就只是函数名，其参数在params中指定。

tf.estimator.Estimator.train和tf.estimator.Estimator.evaluate的input_fn也不能带参数，如：

tf.logging.info("Start training.")
model.train(
      input_fn=lambda: input_fn(True, FLAGS.data_dir, FLAGS.batch_size, FLAGS.epochs_per_eval),
      hooks=train_hooks,
      # steps=1  # For debug
)

tf.logging.info("Start evaluation.")
eval_results = model.evaluate(
      input_fn=lambda: input_fn(False, FLAGS.data_dir, 1),
      hooks=eval_hooks,
      # steps=1  # For debug
)

input_fn函数不能带参数，所以使用(1)lambda方式。此外还可以使用python的(2)functools.partial函数，如：

model.train(
      input_fn=functools.partial(True, FLAGS.data_dir, FLAGS.batch_size, FLAGS.epochs_per_eval),
      hooks=train_hooks,
      # steps=1  # For debug
)

还可以向上面的model_fn那样，(2)单独定义函数，再传入函数名，或者使用(4)python wrapper修饰器。