Tensorflow SessionRunHook'；要调用的成员函数？

在阅读了之后，我也不能理解SessionRunHook的用法。例如，SessionRunHook成员的顺序是什么 要调用的函数？是不是在创建会话之后->运行之前->开始->运行之后->结束-/code>？ 我找不到有详细例子的教程，有更详细的解释吗？

你可以找到一个教程，有点长，但你可以跳过构建网络的部分。或者根据我的经验，你也可以阅读我下面的小结

首先，应该使用

MonitoredSession

而不是正常的

会话

SessionRunHook扩展了

session.run（）

对

监视会话的调用

然后可以找到一些常见的
SessionRunHook
类。一个简单的方法是
LoggingTensorHook
，但您可能希望在导入后添加以下行，以便在运行时查看日志：

tf.logging.set\u详细信息（tf.logging.INFO）

或者您可以选择实现自己的
SessionRunHook
类。一个简单的是从

class\u LoggerHook（tf.train.SessionRunHook）：
“”“记录丢失和运行时。”“”
def begin（自我）：
自。_步骤=-1
self.\u start\u time=time.time（）
运行前定义（自身，运行上下文）：
自。_步数+=1
返回tf.train.SessionRunArgs（损失）#请求损失值。
运行后定义（自身、运行上下文、运行值）：
如果self.\u步骤%FLAGS.log\u频率==0：
当前时间=time.time（）
持续时间=当前时间-自身时间。\开始时间
自启动时间=当前时间
损失值=运行值。结果
示例每秒=FLAGS.log\u频率*FLAGS.batch\u大小/持续时间
每批次秒=浮动（持续时间/标志.日志频率）
格式\u str=（“%s:步骤%d，损失=%.2f（%.1f示例/秒；%.3f”
‘秒/批）’）
打印（格式\u str%（datetime.now（），self.\u步骤，丢失\u值，
示例（每秒钟，每批次）

其中，
损失
在类外定义。此
\u LoggerHook
使用
print
打印信息，而
LoggingTensorHook
使用
tf.logging.INFO

最后，为了更好地理解它是如何工作的，执行顺序由带有
MonitoredSession
的伪代码表示：

调用hooks.begin（）
sess=tf.Session（）
调用hooks.after_create_session（）
请求不停止时：#py代码：不停止时。是否应停止（）：
调用hooks.before_run（）
尝试：
结果=sess.run（合并的\u获取，提要\u dict=合并的\u提要）
除了（errors.OutOfRangeError，StopIteration）：
打破
调用hooks.after_run（）
调用hooks.end（）
sess.close（）

希望这能有所帮助。
tf.SessionRunHook
使您能够在代码中执行的每个会话运行命令期间添加自定义代码。为了理解它，我在下面创建了一个简单的示例：

我们希望在每次更新参数后打印损耗值
我们将使用
SessionRunHook
来实现这一点
创建一个tensorflow图

将tensorflow导入为tf
将numpy作为np导入
x=tf.placeholder（shape=（10,2），dtype=tf.float32）
w=tf.变量（初始值=[[10.]，[10.]]
w0=[[1]，[1.]]
y=tf.matmul（x，w0）
损失=tf.reduce_平均值（（tf.matmul（x，w）-y）**2）
优化器=tf.序列AdamOptimizer（0.001）.最小化（损失）

创建挂钩

class\u Hook（tf.train.SessionRunHook）：
定义初始（自我，丢失）：
自我损失=损失
def begin（自我）：
通过
运行前定义（自身，运行上下文）：
返回tf.train.SessionRunArgs（self.loss）
运行后定义（自身、运行上下文、运行值）：
损失值=运行值。结果
打印（“损失值：”，损失值）

使用
钩子创建受监控会话

sess = tf.train.MonitoredSession(hooks=[_Hook(loss)])

列车

for _ in range(10):
  x_ = np.random.random((10, 2))
  sess.run(optimizer, {x: x_})
# Output
loss value: 21.244701
loss value: 19.39169
loss value: 16.02665
loss value: 16.717144
loss value: 15.389178
loss value: 16.23935
loss value: 14.299083
loss value: 9.624525
loss value: 5.654896
loss value: 10.689494

谢谢你的详细解释。你知道有没有可能在cpu上安装一个钩子来进行验证？我有一个用例，其中验证指标消耗了太多内存。目前，我在启用CPU/GPU交换的情况下使用tf.map_fn迭代批处理，但我怀疑这是无效的。这是在估计器的训练模式内将事情记录到tensorboard的唯一方法吗？在运行

之前，我如何获得

的返回值？在你的例子中，我只看到了run之后的
。