TensorFlow: 在多GPU训练中是否可以恢复检查点模型?

我目前使用一个监督器,并构建了一个图形来使用TF-slim预训练的权重进行迁移学习。我想知道是否有办法在开始时将检查点模型恢复到多个推理模型中?我的主要担忧是,首先,定义在参考代码中的名称作用域可能会导致预训练变量由于名称不匹配而无法恢复。其次,考虑到我必须使用带有init_fn的监督器,而该函数只能接受一个恢复变量的保存器,我如何才能使用多个保存器将相同的变量恢复到多个GPU上(如果我真的需要多个保存器的话)。

我有一个想法,或许我可以将变量恢复到一个图形中,让其他GPU使用相同的图形进行训练。然而,第二个GPU的训练是否只有在第一个GPU完成后才会进行呢?但这样的话,我将无法按照原始检查点模型变量名称来恢复权重,除非我编辑检查点权重的名称。


回答:

TensorFlow关于保存和恢复变量的文档指导您使用保存器对象,您可以通过在构造保存器时传入从保存名称到变量对象的字典,指定哪些保存的变量被恢复为哪些模型变量。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注