Контролер Tensorflow для тренировочных и оценочных операций?

Question

Я использовал диспетчер tensorflow (https://www.tensorflow.org/programmers_guide/supervisor) для загрузки модели из сохраненных контрольно-пропускных пунктов для обучения и работы в сети. Но я заметил, что файлы контрольных точек обновляются даже при запуске/оценке модели (временные метки файлов graph.pbtxt, model.ckpt.data обновляются и создаются новые events.out).

Это заставляет меня задаться вопросом, использует ли диспетчер для запуска/оценки модели сбрасывает/изменяет состояние обучения? Целесообразно ли использовать супервизор для чего-либо, кроме обучения?

Поезд -

sv = tf.train.Supervisor(logdir=mylogdir) 
with sv.managed_session() as sess: 
    if not sv.should_stop(): 
     train_step.run(feed_dict={x: xtrain, y_: ytrain, keep_prob: 0.5}, session= sess) 

Run/Оценить только. Мы не хотим, чтобы ниже, чтобы изменить состояние обученной модели

sv = tf.train.Supervisor(logdir=mylogdir)  
with sv.managed_session() as sess: 
    for yconv in sess.run(y_conv, feed_dict={x: xtest, keep_prob: 1.0}): 
     #use yconv to predict, evaluate etc. 

Answer 1

Ваша модель, как правило, сохраняется на «model.ckpt-NUM» а имена файлов. Пока оценка не обновляет этот файл (и он не должен), тогда вы в безопасности.

Если вы беспокоитесь о перезаписывании протоколов/резюме. Вы должны быть осторожны при выборе имен резюме.

E.g. для оценки, выберите краткое имя 'eval/' +metric_name, а для обучения 'train/' +metric_name, например, см. here и here.

EDIT: Вы также можете выбрать другой каталог («logdir») для хранения результатов оценки, как в АФИ показано here