PROSAGA码农传奇-深度学习-使用张量流的估计器API在RNN的每个时期中的权重矩阵和成本

<div class =“post-text”itemprop =“text”>
  
    有可能的。您需要做的是配置您的Estimator以生成相关信息，这些信息对您决定要保留哪些权重非常有用。这可以通过检查站完成。这是模型的“保存”。
传递给Estimator
     <code>
 config=
 </code>
     一些配置会很有用。
  
  
    以下是自定义Estimator的示例：
  
   <pre>
 <code>
 def model_fn(features, labels, mode, params):
 #Some code is here that gives you the output of your model from where
 #you get your predictions.
 if mode == tf.estimator.ModeKeys.TRAIN or tf.estimator.ModeKeys.EVAL:
 #Some more code is here
 loss = #your loss function here
 tf.summary.scalar('loss', loss)
 if mode == tf.estimator.ModeKeys.TRAIN:
 #More code here that train your model
 if mode == tf.estimator.ModeKeys.EVAL:
 #Again more code that you use to get some evaluation metrics
 if mode == tf.estimator.ModeKeys.PREDICT:
 #Code...
 return tf.estimator.EstimatorSpec(mode=mode,
 predictions=predictions,
 loss=loss,
 train_op=train_op,
 eval_metric_ops=eval_metric_ops)

configuration = tf.estimator.RunConfig(save_summary_steps=10,
                                       keep_checkpoint_max=30,
                                       save_checkpoints_steps=10,
                                       log_step_count_steps=10)

custom_estimator = tf.estimator.Estimator(model_fn=model_fn,
                               model_dir='model_dir',
                               config=configuration)

custom_estimator.train(input_fn=input_fn_train, steps=10000)

</code>
 </pre>
  
     <code>
 save_summary_steps
 </code>
    ：实际上你可以想到这就像你的步数
估算工具会更新您的摘要。这可能很有用，因此您可以绘制损失
每10个步骤。
  
  
     <code>
 save_checkpoints_steps
 </code>
    ：在当前状态下，您的估算器将被保存多少步。
  
  
    你可以在这里找到这些检查站
     <code>
 model_dir
 </code>
    。
  
  
    如果您使用的是预装Estimator，我认为摘要是预定义的，但损失功能已经存在，因此您只需配置打印摘要的频率以及保存模型状态的频率。
  
</DIV>