Tensorflow - 设置 EvalSpec

Question

我是 tensorflow 新手，对EvalSpec 不太了解。我不明白评估步骤的概念。我认为一旦我们学习（或部分学习）了模型，我们就会评估验证/评估数据集中的每个数据点。这是否意味着如果我们有x 的评估行数，那么我们应该指定eval steps = x？

是否有选择评估步骤值的指南？它取决于工作实例的数量，还是评估集中的行数？

Answer 1

不幸的是，该类的 API 文档很差。 code comments里有更多信息，说：

steps：Int。评估模型的正数步骤。如果None，评估直到input_fn 引发输入结束异常。详情请见Estimator.evaluate。

听起来您正在做一些分布式培训。 train_and_evaluate 功能代码 cmets 下有很多信息，但特别是您应该阅读 this 有关分布式环境的部分。

Answer 2

一个评估步骤类似于从您的评估input_fn 中消费一个项目，它应该输出批量数据。所以在这种情况下，步数应该大约是num_eval_rows/batch_size。

如果您在本地进行训练，您可以简单地将 step 参数设置为 None 并让您的 input_fn 不要重复您的数据，以便它在一个时期终止。在分布式情况下，不一定支持此行为，因此您必须适当地设置步数。