使用 AdamOptimizer 继续训练自定义 tf.Estimator

Question

我创建了一个自定义 tf.Estimator，我正在使用 tf.train.AdamOptimizer 训练其权重。当我继续训练现有模型时，我观察到在 Tensorboard 中继续训练开始时指标的急剧变化。几个步骤后，指标趋于稳定。该行为看起来类似于训练模型时的初始瞬态。如果我继续在同一个 Estimator 实例上进行训练，或者我从检查点重新创建估计器，行为是相同的。我怀疑在重新开始训练时会重置移动平均线和/或偏差校正因子。模型权重本身似乎得到了适当的恢复，因为指标确实从之前稳定的地方继续，只是有效学习率似乎太高了。

以前的 Stack-Overflow 答案似乎表明这些辅助学习参数应与检查点以及模型权重一起存储。那么我在这里做错了什么？如何控制这些辅助变量的恢复？我希望能够继续训练，就好像它从未停止过一样。然而，其他人有时似乎在寻找相反的控制，在不重置模型权重的情况下完全重置优化器。说明如何实现这两种效果的答案可能最有帮助。

这是我model_fn的草图：

def model_fn(features, labels, mode, params):
    inputs = features['inputs']
    logits = create_model(inputs, training=mode == tf.estimator.ModeKeys.TRAIN)

    if mode == tf.estimator.ModeKeys.PREDICT:
        ...

    if mode == tf.estimator.ModeKeys.TRAIN:
        outputs = labels['outputs']

        loss = tf.losses.softmax_cross_entropy(
            tf.one_hot(outputs,tf.shape(inputs)[-1]),
            logits,
#            reduction=tf.losses.Reduction.MEAN,
        )
        optimizer = tf.train.AdamOptimizer(learning_rate=params.learning_rate)

        update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)

        with tf.control_dependencies(update_ops):
            train_op = optimizer.minimize(loss, tf.train.get_or_create_global_step())

        accuracy = tf.metrics.accuracy(
            labels = outputs,
            predictions = tf.argmax(logits, axis=-1),
        )

        tf.summary.histogram('logits',logits)
        tf.summary.scalar('accuracy', accuracy[1])
        tf.summary.scalar('loss', loss)

        return tf.estimator.EstimatorSpec(
            mode=tf.estimator.ModeKeys.TRAIN,
            loss=loss,
            train_op=train_op)

    if mode == tf.estimator.ModeKeys.EVAL:
        ...

    raise ValueError(mode)

训练步骤调用如下：

cfg = tf.estimator.RunConfig(
    save_checkpoints_secs = 5*60,  # Save checkpoints every 1 minutes.
    keep_checkpoint_max = 10,       # Retain the 10 most recent checkpoints.
    save_summary_steps = 10,
    log_step_count_steps = 100,
)
estimator = tf.estimator.Estimator(
    model_fn = model_fn,
    params = dict(
        learning_rate = 1e-3,
    ),
    model_dir = model_dir,
    config=cfg,
)
# train for the first time
estimator.train(
    input_fn=train_input_fn,
)
# ... at some later time, train again
estimator.train(
    input_fn=train_input_fn,
)

编辑：

tf.estimator.Estimator 和 tf.estimator.WarmStartSettings 的 warm_start_from 参数的文档并不完全清楚在默认情况下究竟会发生什么，正如我在上面的示例中使用的那样。但是，[tf.train.warm_start] (https://www.tensorflow.org/api_docs/python/tf/train/warm_start) 的文档似乎表明在默认情况下，所有TRAINABLE_VARIABLES 都将被热启动，这

从批处理规范中排除变量，例如累加器和移动统计数据

确实，我在VARIABLES 中找到了 Adam 的累加器变量，但在 TRAINABLE_VARIABLES 中没有。这些文档页面还说明了如何将热启动变量列表更改为 tf.Variable 实例列表或其名称列表。但是，仍然存在一个问题：鉴于使用 tf.Estimator，我没有图表来收集这些变量/它们的名称，我该如何提前创建这些列表？

EDIT2：

warm_start 的源代码突出了一个未记录的特性：变量名列表实际上是一个正则表达式列表，用于与 GLOBAL_VARIABLES 匹配。因此，可以使用

    warm_start_from=tf.estimator.WarmStartSettings(
        ckpt_to_initialize_from=str(model_dir),
    #    vars_to_warm_start=".*", # everything in TRAINABLE_VARIABLES - excluding optimiser params 
        vars_to_warm_start=[".*"], # everything in GLOBAL_VARIABLES - including optimiser params 
    ),

加载所有变量。然而，即便如此，汇总统计数据的峰值仍然存在。有了这个，我现在完全不知所措了。

Answer 1

默认情况下，指标会添加到 local variables 和 metric variables 集合中，并且默认情况下不会设置检查点。

如果您想将它们包含在检查点中，您可以将度量变量附加到全局变量集合中：

tf.add_to_collection(tf.GraphKeys.GLOBAL_VARIABLES, tf.get_collection(tf.GraphKeys.METRIC_VARIABLES))

或者您可以返回带有custom Saver set 的Scaffold，将变量传递给检查点到Saver 的var_list argument。这默认为全局变量集合。