Ce 3ème tutoriel TF, doit (logiquement) être lu après e 1 et le 2.

Le 1er tutoriel explicitait Getting Started for ML Beginners, le second Getting Started with TensorFlow. Le 3ème suit la logique de la progression proposée par TF, en s’intéressant aux checkpoints.

Les checkpoints servent à sauvegarder (et restorer) les modèles créés par les estimateurs.

Les checkpoints sont effectués même si on ne le précise pas. Un répertoire de sauvegarde par défaut est défini (sous /var/folders/…) et les checkpoints sont effectués toutes les 10 minutes, au début et à la fin (dernière itération) de chaque apprentissage.

Tout ceci est paramètrable.

[code]

my_checkpointing_config = tf.estimator.RunConfig(
save_checkpoints_secs = 20*60, # Save checkpoints every 20 minutes.
keep_checkpoint_max = 10, # Retain the 10 most recent checkpoints.
)

classifier = tf.estimator.DNNClassifier(
feature_columns=my_feature_columns,
hidden_units=[10, 10],
n_classes=3,
model_dir=’models/iris’,
config=my_checkpointing_config)

[/code]

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *