为什么tf.estimator.TrainSpec中的max_步骤会影响训练模型是否在tensorflow中完全导出？
我正在使用为什么tf.estimator.TrainSpec中的max_步骤会影响训练模型是否在tensorflow中完全导出？,tensorflow,Tensorflow,我正在使用tf.estimator.train\u和\u evaluate来训练DNNClassifier。假设我有一个10000行的训练数据集，我将批次设置为200。这意味着一个历元将有50个步骤 def json_serving_input_fn(): inputs = {} for feat in my_input_columns: inputs[feat.name] = tf.placeholder(shape=[None], dtype=feat.dtype)
tf.estimator.train\u和\u evaluatedef json_serving_input_fn():
inputs = {}
for feat in my_input_columns:
inputs[feat.name] = tf.placeholder(shape=[None], dtype=feat.dtype)
return tf.estimator.export.ServingInputReceiver(inputs, inputs)
my_exporter = tf.estimator.FinalExporter('test', json_serving_input_fn)
estimator = tf.estimator.DNNClassifier(
config=config,
feature_columns= my_input_columns,
hidden_units=[100, 70, 50, 25]
)
train_spec = tf.estimator.TrainSpec(
train_input_fn, max_steps=3000)
eval_spec = tf.estimator.EvalSpec(
eval_input_fn,
exporters=[my_exporter],
name='test-eval')
tf.estimator.train_and_evaluate(estimator, train_spec, eval_spec)
train\u input\u fntrain\u specmax\u stepsmax_stepsexport/test/[timeStamp]saved_model.pb导出保存的\u model.pbmax_stepsmy_exporter