如何在每个培训步骤保存培训模型,而不是根据时间间隔定期保存在TensorFlow Slim中
slim.learning.train(…)接受两个有关保存模型(save_interval_secs)或保存摘要(save_summaries_secs)的参数。这个API的问题是,它只允许根据一些“时间间隔”保存模型/摘要,但我需要根据培训的“每一步”进行保存 如何使用TF slim api实现这一点 这是slim.learning train api-如何在每个培训步骤保存培训模型,而不是根据时间间隔定期保存在TensorFlow Slim中,tensorflow,tensorflow-slim,Tensorflow,Tensorflow Slim,slim.learning.train(…)接受两个有关保存模型(save_interval_secs)或保存摘要(save_summaries_secs)的参数。这个API的问题是,它只允许根据一些“时间间隔”保存模型/摘要,但我需要根据培训的“每一步”进行保存 如何使用TF slim api实现这一点 这是slim.learning train api- def train(train_op, logdir, train_step_fn=train_s
def train(train_op,
logdir,
train_step_fn=train_step,
train_step_kwargs=_USE_DEFAULT,
log_every_n_steps=1,
graph=None,
master='',
is_chief=True,
global_step=None,
number_of_steps=None,
init_op=_USE_DEFAULT,
init_feed_dict=None,
local_init_op=_USE_DEFAULT,
init_fn=None,
ready_op=_USE_DEFAULT,
summary_op=_USE_DEFAULT,
**save_summaries_secs=600,**
summary_writer=_USE_DEFAULT,
startup_delay_steps=0,
saver=None,
**save_interval_secs=600,**
sync_optimizer=None,
session_config=None,
session_wrapper=None,
trace_every_n_steps=None,
ignore_live_threads=False):
Slim已被弃用,使用Estimator可以完全控制保存/摘要频率 您还可以将秒数设置为一个非常小的数字,以便始终保存