如何在Tensorflow DNNClassifier estimator中打印训练进度？
如何在Tensorflow DNNClassifier estimator中打印训练进度？
提问于 2018-12-10 11:42:01
我想用tf.estimator.DNNClassifier在互联网被封锁的Kaggle笔记本环境中训练一个模型。因此，我不能使用Tensorboard来监控进度。因此，我希望在标准输出中记录进度(类似于我们在Keras模型上调用fit方法时)，但我无法使其工作。
到目前为止，我已经尝试过将日志记录级别设置为INFO，并将一个tf.estimator.RunConfig实例传递给估计器。RunConfig有一个默认值为100的log_step_count_steps属性，这似乎与我正在寻找的内容相关，但它不起作用。以下是代码的一部分：
import logging;
logging.getLogger().setLevel(logging.INFO)
tf.logging.set_verbosity(tf.logging.INFO)
config = tf.estimator.RunConfig()
classifier = tf.estimator.DNNClassifier(
feature_columns = feature_columns,
hidden_units = [128, 64],
n_classes = 2,
config = config
)
classifier.train(input_fn=train_input_fn)我使用Tensorflow版本的1.11.0-rc1。
回答 2
Stack Overflow用户
回答已采纳
发布于 2018-12-24 06:58:25
在尝试了这么多解决方案后，我终于发现问题中的所有代码都是必要的，比如将日志级别设置为INFO，并将RunConfig对象传递给DNNClassifier，但是由于Kaggle内核笔记本中的一个bug，在训练分类器之前，我们首先需要记录一些任意的东西，以使Tensorflow日志在Kaggle中工作！例如：
logging.info('I am info')Stack Overflow用户
发布于 2018-12-21 22:13:19
您需要使用replace在RunConfig中设置所需的值。
config = tf.estimator.RunConfig().replace(keep_checkpoint_max = 5,
log_step_count_steps=20, save_checkpoints_steps=200)
classifier = tf.estimator.DNNClassifier(
feature_columns = feature_columns,
hidden_units = [128, 64],
n_classes = 2,
config = config
)
classifier.train(input_fn=train_input_fn)上面的代码应该在每20步之后记录一次损失。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53699201
复制相关文章
相似问题