CANN/tensorflow NPUEstimatorSpec构造函数
NPUEstimatorSpec构造函数
【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow
功能说明
NPUEstimatorSpec类的构造函数，NPUEstimatorSpec类继承了TensorFlow的EstimatorSpec类，可以调用基类的原生接口，定义具体的模型对象。
EstimatorSpec是model_fn的返回数据结构，包含了mode，predictions，loss，train_op和export_outputs等字段，传递到Estimator。直接使用EstimatorSpec无法满足训练的功能，定义NPUEstimatorSpec，代替EstimatorSpec的功能。
函数原型
class NPUEstimatorSpec(model_fn_lib.EstimatorSpec): def __new__(cls, mode, predictions=None, loss=None, train_op=None, eval_metric_ops=None, export_outputs=None, training_chief_hooks=None, training_hooks=None, scaffold=None, evaluation_hooks=None, prediction_hooks=None, host_call=None)参数说明
| 参数名 | 输入/输出 | 描述 |
|---|---|---|
| mode | 输入 | 模式，指明当前是在训练、验证、还是推理，为继承EstimatorSpec的参数。 - ModeKeys.TRAIN：表示训练。 - ModeKeys.EVAL：表示验证。 - ModeKeys.PREDICT：表示推理。 |
| predictions | 输入 | 推理的输出Tensor，为继承EstimatorSpec的参数，当mode为ModeKeys.PREDICT时必须指定该参数。 |
| loss | 输入 | 训练的损失，为继承EstimatorSpec的参数。 |
| train_op | 输入 | 训练算子，为继承EstimatorSpec的参数。 |
| eval_metric_ops | 输入 | 度量结果的字典（按照Tensor名称），为继承EstimatorSpec的参数。 字典值可以是以下之一： - Metric类的实例。 - 调用度量函数的结果，即（metric_tensor，update_op）元组。 |
| export_outputs | 输入 | 用于模型保存，描述了导出到SavedModel的输出格式，为继承EstimatorSpec的参数。 |
| training_chief_hooks | 输入 | 训练执行时主节点的SessionRunHooks集合，为继承EstimatorSpec的参数。 |
| training_hooks | 输入 | 训练执行时的SessionRunHooks集合，为继承EstimatorSpec的参数。 |
| scaffold | 输入 | 定义scaffold（提供定制saver、init_op、summary_op、global_step的能力），为继承EstimatorSpec的参数。 |
| evaluation_hooks | 输入 | 验证执行时的SessionRunHooks集合，为继承EstimatorSpec的参数。 |
| prediction_hook | 输入 | 推理执行时的SessionRunHooks集合，为继承EstimatorSpec的参数。 |
| host_call | 输入 | 捕捉Summary信息，将每个step的信息传回Host侧查看，NPUEstimatorSpec新增参数。 host_call是一个function和一个tensor的列表或字典组成的元组，用于返回tensor列表。 host_call目前适用于train()和evaluate()。 |
返回值
返回NPUEstimatorSpec类对象。
调用示例
from npu_bridge.npu_init import * ... host_call = (_host_call_fn, [global_step, loss]) return NPUEstimatorSpec(mode=tf.estimator.ModeKeys.TRAIN, loss=loss, train_op=train_op, host_call=host_call)【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考