使用tf.estimator初始化tf.contrib.data.Iterator

问题描述：

如果tf.estimator.Estimator也被使用，应该如何初始化tf.contrib.data.Iterator？使用tf.estimator初始化tf.contrib.data.Iterator

其中一个问题是，输入图形（TF图表处理输入的一部分）应该在intput_fn()被定义 - 东阳tf.estimator创建seprate曲线图。

这个要求使得很难访问迭代器init ops并通过它们to tf.estimator（以钩子的形式调用train/evaluate/predict时可以完成操作）。

答

使用SessionManager作为钩子可以解决相同的问题。

sm = tf.train.SessionManager(local_init_op=iterator_init_op) 
... 
estimator = tf.train.Estimator(...) 
estimator.train(input_fn, hooks=[sm], steps=None, max_steps=None)

问题是将init操作传递给estimator.train。你不应该在你的钩子代码中访问'init_op'（因为它应该在init_fn中定义）因为有1个图需求，所以init_fn不能被调用（！）我所做的是保存init_op按预设名称汇入藏品中，然后在您告诉我的勾中读取藏品，我会更多地思考它，扩大您的答案以给出完整答案。 – Pietrko

答

一种选择是包装你input_fn，设置了一个简单的SessionRunHook init_hook另一个函数内。所有操作都在input_fn之内定义，该操作在与您的模型的其余部分相同的图形中调用，但是您可以将iterator_init_op设置为init_hook上的一个属性。

def get_input_fn(mode="train"): 
    init_hook = IteratorInitHook() 

    def input_fn(): 
     ... 
     iterator = dataset.make_initializable_iterator() 
     init_hook.iterator_init_op = iterator.initializer 

    return input_fn, init_hook 

class IteratorInitHook(tf.train.SessionRunHook): 

    def after_create_session(self, session, coord): 
     session.run(self.iterator_init_op)

现在构建Experiment的时候，你可以得到这些输入功能，和init钩子，创建火车/ EVAL会话时被调用。它应该等效于estimator.train。

train_input_fn, train_init_hook = get_input_fn("train") 
test_input_fn, test_init_hook = get_input_fn("test") 

return tf.contrib.learn.Experiment(
    estimator=estimator, 
    train_input_fn=train_input_fn, 
    eval_input_fn=test_input_fn, 
    train_monitors=[train_init_hook], 
    eval_hooks=[test_init_hook], 
)

使用tf.estimator初始化tf.contrib.data.Iterator

相关推荐