内置支持tensorflow估计器中的ealy stopping
tensorflow中是否有内置的提前停止功能?我检查了tf提供的钩子。估计员,没有发现任何东西。或者我需要自己动手执行?@Maxime, 实验成功了 这是我的部分代码,以防你对答案感兴趣。contrib中有一个特性,因此它可能不稳定内置支持tensorflow估计器中的ealy stopping,tensorflow,Tensorflow,tensorflow中是否有内置的提前停止功能?我检查了tf提供的钩子。估计员,没有发现任何东西。或者我需要自己动手执行?@Maxime, 实验成功了 这是我的部分代码,以防你对答案感兴趣。contrib中有一个特性,因此它可能不稳定 config = tf.contrib.learn.RunConfig(model_dir=FLAGS.train_dir) # config = config.replace(sess_config=sess_config) tf.logging.set_ver
config = tf.contrib.learn.RunConfig(model_dir=FLAGS.train_dir)
# config = config.replace(sess_config=sess_config)
tf.logging.set_verbosity(logging.INFO)
validation_monitor = monitors.ValidationMonitor(
input_fn=functools.partial(input_fn, subset="evaluation"),
eval_steps=128,
every_n_steps=101,
early_stopping_metric="accuracy",
early_stopping_rounds = 1000
)
run_monitors = [validation_monitor]
tf.contrib.learn.learn_runner.run(
get_experiment_fn(train_input_fn=functools.partial(input_fn,subset="training"),
eval_input_fn=functools.partial(input_fn,subset="evaluation"),
train_steps=FLAGS.train_steps,
eval_steps=100,
train_hooks=run_monitors,
model_fn=model_fn_cnn
),
run_config = config
)
@马克西姆,
实验成功了 这是我的部分代码,以防你对答案感兴趣。contrib中有一个特性,因此它可能不稳定
config = tf.contrib.learn.RunConfig(model_dir=FLAGS.train_dir)
# config = config.replace(sess_config=sess_config)
tf.logging.set_verbosity(logging.INFO)
validation_monitor = monitors.ValidationMonitor(
input_fn=functools.partial(input_fn, subset="evaluation"),
eval_steps=128,
every_n_steps=101,
early_stopping_metric="accuracy",
early_stopping_rounds = 1000
)
run_monitors = [validation_monitor]
tf.contrib.learn.learn_runner.run(
get_experiment_fn(train_input_fn=functools.partial(input_fn,subset="training"),
eval_input_fn=functools.partial(input_fn,subset="evaluation"),
train_steps=FLAGS.train_steps,
eval_steps=100,
train_hooks=run_monitors,
model_fn=model_fn_cnn
),
run_config = config
)
也许这是可能的,但不确定。至少可以在单独的验证集上运行定期评估。确定。我看了一下实验。mybe我可以通过监视器:tf.contrib.learn.monitors.ValidationMonitor进入实验。我会尝试一下,稍后更新结果。也许有可能,但不确定。至少可以在单独的验证集上运行定期评估。确定。我看了一下实验。mybe我可以通过监视器:tf.contrib.learn.monitors.ValidationMonitor进入实验。我将尝试一下,稍后更新结果。