TensorFlow函数:tf.estimator.EvalSpec

由 Carrie 创建, 最后一次修改 2018-04-28

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.
以上内容是否对您有帮助:
二维码
建议反馈
二维码