tensorflow中的Supervisor

Posted jiangxinyang

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了tensorflow中的Supervisor相关的知识,希望对你有一定的参考价值。

  tf.train.Supervisor()可以帮我们简化一些事情,可以保存模型参数和Summary,它有以下的作用:

  1)自动去checkpoint加载数据或初始化数据 ,因此我们就不需要手动初始化或者从checkpoint中加载数据

  2)自身有一个Saver,可以用来保存checkpoint,因此不需要创建Saver,直接使用Supervisor里的Saver即可

  3)有一个summary_computed用来保存Summary,因此不需要创建summary_writer

  因此从这里看,Supervisor相当于将一些功能集成到一起了,具体代码实现

import tensorflow as tf


a = tf.Variable(1)
b = tf.Variable(2)
c = tf.add(a, b)
update = tf.assign(a, c)
tf.summary.scalar("a", a)
init_op = tf.initialize_all_variables()
merged_summary_op = tf.summary.merge_all()
sv = tf.train.Supervisor(logdir="./tmp/", init_op=init_op)  # 直接初始化
saver = sv.saver
with sv.managed_session() as sess:
    for i in range(10000):
        update_ = sess.run(update)
        if i % 10 == 0:
            merged_summary = sess.run(merged_summary_op)
            sv.summary_computed(sess, merged_summary, global_step=i)  # 直接将summary保存

        if i % 100 == 0:
            saver.save(sess, save_path="./tmp/", global_step=i)  # 直接将模型参数保存

 

以上是关于tensorflow中的Supervisor的主要内容,如果未能解决你的问题,请参考以下文章

谷歌把TensorFlow送给世界,世界却用它人工合成色情片!

tensorflow-MonitoredTrainingSession解读

WebStorm中怎么配置supervisor来发布Node服务

CIFAR-10 图像识别

supervisor进程守护

如何将参数传递给 nodemon(或 node-supervisor)中的可执行文件?