我想恢复VGG_19的模型参数，它用作附加的新初始化图形的特征提取器，并在分布式设置中训练所有内容。如果我使用slim.learning.train，一切都可以工作，但我不能让它与tf.train.MonitoredTrainingSession所需的Scaffold一起工作。如果我将restore_fn (使用tf.contrib.framework.assign_from_checkpoint_fn 创建)作为init_fn传递到Scaffold中，则会得到TypeError我也试过
浏览 8提问于2017-07-14得票数 0
回答已采纳
在使用tf.train.MonitoredTrainingSession时，是否可以保存所有检查点。在使用简单tf.train.Saver()时，有一个选项可以指定max_to_keep。
浏览 0提问于2018-03-15得票数 4
回答已采纳
如何告诉tf.train.MonitoredTrainingSession只恢复变量的一个子集，并对其他变量执行不整洁化？。。我创建了要还原和初始化的变量列表，并使用传递给MonitoredTrainingSession的Scaffold来指定它们： restoration_scaffold = Scaffold(init_op=var
浏览 10提问于2017-04-11得票数 4
回答已采纳
我正在尝试限制MonitoredTrainingSession中的图形处理器内存分配。在MonitoredTrainingSession的情况下不起作用。, gpu_options=gpu_options)
scaffold= tf.train.Scaffold(saver=tf.train.Saver(max_to_keep=100, keep_checkpoint_every
浏览 9提问于2019-06-08得票数 1
我的目的简单明了:在对图进行部分修改后，如何从以前日志的检查点文件中恢复未更改的变量/参数？尝试1:如果我在MonitoredTrainingSession中不使用支架： checkpoint_dir=FLAGS.log_root= tf.train.Scaffold(saver=saver, init_fn = restore_fn)
RuntimeError: Init操
浏览 2提问于2017-12-29得票数 1
回答已采纳
在Tensorflow中，我们可以使用Between-graph Replication构建和创建用于分布式培训的多个Tensorflow会话。MonitoredTrainingSession()协调多个Tensorflow会话，并且有一个用于恢复Tensorflow会话/图的MonitoredTrainingSession()参数checkpoint_dir现在我有以下问题：
我们通常使用tf.train.Saver()对象来通过saver.restore(...)恢复Tensorflow图。但是我们<em
浏览 3提问于2017-03-29得票数 6
我想知道如何在tf.train.MonitoredTrainingSession中使用Scaffold，并使用从Numpy数组导入的特定值初始化图权重。我找不到任何类似使用的明确例子。谢谢
浏览 2提问于2017-06-08得票数 4
回答已采纳
1回答
我正在尝试理解使用tf.Session和tf.train.MonitoredTrainingSession之间的区别，以及我可能更喜欢哪一种。似乎当我使用后者时，我可以避免许多“琐事”，比如初始化变量、启动队列运行器或设置用于摘要操作的文件写入器。另一方面，使用监视的训练会话，我不能指定我想要显式使用的计算图。这些类是如何创建的，背后有没有什么我不理解的基本原理？
浏览 1提问于2017-04-06得票数 35
回答已采纳
1回答
如何恢复对模特的培训？
、、、、
我没有GPU的支持，所以经常发生我的模型需要几个小时的训练。我可以分批训练我的模型吗?例如，如果我想要我的模型有100个历次，但是由于停电，我的训练停止了(在50年代)，但是当我重新训练我的模型时，我想要从它离开的地方(从50世纪)开始训练它。
浏览 0提问于2017-10-16得票数 1
我在一个会话环境中使用了Tensorflow中的cudnn_rnn模型，它们运行得很好。然而，当我尝试在分布式运行中使用cudnnLSTM时，Tensorflow会崩溃，运行时有一个PS主机和几个GPU工作人员。我已经阅读了tensorflow/contrib/cudnn_rnn/python/layers/cudnn_rnn.py中提到的保存参数和使用PS服务器的注释，但是找不到一个有用的示例。对于如何使分布式tensorflow和cudnnLSTM协同
浏览 4提问于2018-01-10得票数 0
回答已采纳
我在训练代码中使用了MonitoredTrainingSession，我希望从检查点初始化权重的子集，并将其余未分配的变量初始化为随机值。我知道如何使用tf.session完成此操作，并首先初始化所有变量，然后使用tf.saver从检查点读取变量。 但是，我不知道如何使用MonitoredTrainingSession来做到这一点。MonitoredTrainingSession对我来说有很多优点，我不想放弃它，如果有办法让它在<em
浏览 15提问于2019-01-08得票数 0
我想尝试一下MonitoredTrainingSession，但是我也使用几个Dataset对象来训练和验证集。要选择正确的句柄，正如建议的那样，我使用字符串句柄。如下所示：但是，当我在MonitoredTrainingSession上下文中这样做时，我会得到一个错误：
RuntimeError正如我想的那样，解决方法是为Scaffold对象创建一个Scaffold对象，并将其传递到会话中。但这没有
浏览 0提问于2017-12-29得票数 0
我看到很多使用MonitoredTrainingSession或tf.Estimator作为训练框架的示例。然而，不清楚为什么我会使用其中一个而不是其他。两者都可以使用SessionRunHooks进行配置。两者都与tf.data.Dataset迭代器集成，并可以提供训练/val数据集。我不确定一个设置的好处是什么。
浏览 15提问于2019-03-20得票数 1
回答已采纳
在Tensorflow中，我的模型基于预训练模型，我在预训练模型中添加了更多变量，并删除了一些变量。当我从检查点文件恢复变量时，我必须显式地指定我添加到图中的所有需要排除的变量。
浏览 6提问于2017-12-10得票数 5
建议使用可反馈迭代器在训练数据集和验证数据集之间切换，而不重新初始化迭代器。它主要要求进给手柄在它们之间进行选择。如何与tf.train.MonitoredTrainingSession一起使用 training_handle = sess.run(training_iterator.string_handl
浏览 4提问于2017-09-08得票数 6
回答已采纳
在初始代码中，我们对目标数据集的原始模型进行了微调。在使用variables_to_restore和init_fn与MonitoredTrainingSession.相结合进行培训之前，只从检查点加载一些层。如何使用tf.estimator.Estimator方法实现这种权重加载？
浏览 7提问于2017-09-26得票数 7
我想建立一个分布式的tensorflow模型，但无法理解MonitoredTrainingSession和StopAtStepHook是如何交互的。100)] server.join() with tf.train.MonitoredTrainingSessionCommand exited with non-zero status 1
有人能给我解
浏览 4提问于2017-03-23得票数 3
我正试图通过使用MonitoredTrainingSession函数来实现这一点。save_steps=None, save_secs=10, output_dir='/home/tensorflow/codes/savepoints', summary_writer=None, scaffoldcodes/checkpoints', save_secs=None, save_steps=True, saver=saver, checkpoint_basenam
浏览 353提问于2017-01-23得票数 8
1回答
global_step = model() with tf.train.MonitoredTrainingSession
浏览 0提问于2017-03-27得票数 2
0回答
我使用以下代码在分布式tensorflow中执行一些简单的算术计算。=None, save_secs=10, output_dir='/home/chaitanya/tensorflow/codes/savepoints', summary_writer=None, scaffold=None, summary_op=y)
with tf.train.MonitoredTrainingSession(master='grpc://local
浏览 12提问于2017-01-06得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
