TensorFlow函数:tf.estimator.EvalSpec
2018-04-28 11:24 更新
tf.estimator.EvalSpec函数
EvalSpec类
定义在:tensorflow/python/estimator/training.py.
train_and_evaluate调用的“eval”部分的配置.
EvalSpec结合了训练模型的计算和输出的详细信息.计算由计算指标组成,用以判断训练模型的性能.输出将训练好的模型写入外部存储.
属性
- exporters
字段4的别名 - hooks
字段3的别名 - input_fn
字段0的别名 - name
字段号2的别名 - start_delay_secs
字段5的别名 - steps
字段1的别名 - throttle_secs
字段6的别名
方法
__new__
@staticmethod
__new__(
cls,
input_fn,
steps=100,
name=None,
hooks=None,
exporters=None,
start_delay_secs=120,
throttle_secs=600
)
创建一个已经验证的EvalSpec实例.
函数参数:
- input_fn:计算输入函数返回一个元组,该元组中:features是一个Tensor或名为Tensor的字符串特征名字典;labels是一个Tensor或带有标签的Tensor的字典.
- steps:Int.用于计算模型的正数步骤.如果为None,则计算直到input_fn引发输入端异常为止.详情请参阅Estimator.evaluate.
- name:String.如果用户需要在不同数据集上运行多个计算,则为计算的名称.不同评估的度量标准保存在单独的文件夹中,并单独出现在tensorboard中.
- hooks:计算期间要运行的tf.train.SessionRunHook对象的可迭代性.
- exporters:可迭代的Exporter s,或者单个,或者None,将在每次计算后调用exporters.
- start_delay_secs:Int.等待这么多秒后开始计算.
- throttle_secs:Int.除非上次计算至少是在几秒钟前开始的,否则不要重新计算.当然,如果没有新的检查点可用,计算不会发生,因此这是最低限度的.
返回值:
tf.estimator.EvalSpec函数返回一个经过验证的EvalSpec对象.
可能引发的异常:
- ValueError:如果任何输入参数无效,则引发此异常.
- TypeError:如果任何参数不是预期的类型,则引发此异常.