Python TensorFlow估计器每N个训练步骤运行一次评估和预测

我很高兴使用

tf.estimator.train\u和\u evaluate

来训练和评估模型。现在，我想对整个事情有更多的控制，更准确地说，我想：

• 每

  N步保存一个检查点

• 在检查点上运行评估（也可能在不同的数据集上）
• 运行预测并在同一检查点上以人类可读的形式转储结果

---

有什么简单（可能是现成的）方法可以做到这一点吗？谢谢

为了保存检查点，您需要在创建估计器时传递一个配置对象。请查看以了解更多详细信息。对于第二点，评估频率由中的油门控制。您可以根据检查点的时间进行设置。从我从文档中推断，您加载检查点，然后默认进行评估，因为evalspec创建了一个单独的图形，但这是我们需要确认的！