问SessionRunHook的成员函数的调用顺序是什么？
EN

Stack Overflow用户

提问于 2017-08-06 13:11:01

回答 2查看 9.5K关注 0票数 13

看完API DOC后，我也不明白SessionRunHook的用法。例如，调用SessionRunHook的成员函数的顺序是什么？是after_create_session -> before_run -> begin -> after_run -> end吗？我找不到有详细示例的教程，有没有更详细的解释？

tensorflow

人脸核身产品特惠

用户政务民生、金融、通信运营商等场景，接入全面，安全可靠新用户3折起

回答 2

Stack Overflow用户

回答已采纳

发布于 2017-10-17 16:42:52

你可以找到一个教程here，有点长，但你可以跳过构建网络的部分。或者你可以阅读我下面的小总结，基于我的经验。

首先，应该使用MonitoredSession而不是普通的Session。

A SessionRunHook扩展了session.run()对MonitoredSession的调用。

然后，可以在here中找到一些常见的SessionRunHook类。一个简单的示例是LoggingTensorHook，但是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_verbosity(tf.logging.INFO)

或者，您可以选择实现自己的SessionRunHook类。一个简单的例子来自cifar10 tutorial

class _LoggerHook(tf.train.SessionRunHook):
  """Logs loss and runtime."""

  def begin(self):
    self._step = -1
    self._start_time = time.time()

  def before_run(self, run_context):
    self._step += 1
    return tf.train.SessionRunArgs(loss)  # Asks for loss value.

  def after_run(self, run_context, run_values):
    if self._step % FLAGS.log_frequency == 0:
      current_time = time.time()
      duration = current_time - self._start_time
      self._start_time = current_time

      loss_value = run_values.results
      examples_per_sec = FLAGS.log_frequency * FLAGS.batch_size / duration
      sec_per_batch = float(duration / FLAGS.log_frequency)

      format_str = ('%s: step %d, loss = %.2f (%.1f examples/sec; %.3f '
                    'sec/batch)')
      print (format_str % (datetime.now(), self._step, loss_value,
                           examples_per_sec, sec_per_batch))

其中loss是在类外部定义的。此_LoggerHook使用print打印信息，而LoggingTensorHook使用tf.logging.INFO打印信息。

最后，为了更好地理解它的工作原理，使用MonitoredSession here以伪代码的形式给出了执行顺序

  call hooks.begin()
  sess = tf.Session()
  call hooks.after_create_session()
  while not stop is requested:  # py code: while not mon_sess.should_stop():
    call hooks.before_run()
    try:
      results = sess.run(merged_fetches, feed_dict=merged_feeds)
    except (errors.OutOfRangeError, StopIteration):
      break
    call hooks.after_run()
  call hooks.end()
  sess.close()

希望这能有所帮助。

票数 28

Stack Overflow用户

发布于 2018-05-11 01:12:54

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失值。
我们将使用SessionRunHook来实现这一点。

创建张量流图

import tensorflow as tf
import numpy as np

x = tf.placeholder(shape=(10, 2), dtype=tf.float32)
w = tf.Variable(initial_value=[[10.], [10.]])
w0 = [[1], [1.]]
y = tf.matmul(x, w0)
loss = tf.reduce_mean((tf.matmul(x, w) - y) ** 2)
optimizer = tf.train.AdamOptimizer(0.001).minimize(loss)

创建钩子的

class _Hook(tf.train.SessionRunHook):
  def __init__(self, loss):
    self.loss = loss

  def begin(self):
    pass

  def before_run(self, run_context):
    return tf.train.SessionRunArgs(self.loss)  

  def after_run(self, run_context, run_values):
    loss_value = run_values.results
    print("loss value:", loss_value)

使用hook 创建受监视的会话

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