は、次のコードを考えてみましょう:Estimatorを何度も練習するときにテンソルがこのグラフの要素ではないと言うのはなぜですか?
import tensorflow as tf
from tensorflow.python.estimator.model_fn import EstimatorSpec
from tensorflow.contrib.keras.api.keras.layers import Dense
def model_fn_1(features, labels, mode):
x = [[1]]
labels = [[10]]
m = tf.constant([[1, 2], [3, 4]], tf.float32)
lookup = tf.nn.embedding_lookup(m, x, name='embedding_lookup')
preds = Dense(1)(lookup)
loss = tf.reduce_mean(labels - preds)
train_op = tf.train.GradientDescentOptimizer(0.01).minimize(loss, tf.train.get_global_step())
eval_metric_ops = {'accuracy': tf.metrics.accuracy(labels, preds)}
return EstimatorSpec(mode=mode, loss=loss, train_op=train_op, eval_metric_ops=eval_metric_ops)
model_1 = tf.estimator.Estimator(model_fn_1)
model_1.train(input_fn=lambda: None, steps=1)
予想したように、私はmodel_1.train(input_fn=lambda: None, steps=1)
複数回実行することができますし、トレーニングが前回の実行から継続されます。
さて、次のコードを考えてみます。この場合
import tensorflow as tf
import numpy as np
from tensorflow.python.estimator.model_fn import EstimatorSpec
from tensorflow.contrib.keras.api.keras.layers import Embedding, Dense
def model_fn_2(features, labels, mode):
x = tf.constant([[1]])
labels = [[10]]
m = np.array([[1, 2], [3, 4]])
m = Embedding(2, 2, weights=[m], input_length=1, name='embedding_lookup')
lookup = m(x)
preds = Dense(1)(lookup)
loss = tf.reduce_mean(labels - preds)
train_op = tf.train.GradientDescentOptimizer(0.01).minimize(loss, tf.train.get_global_step())
eval_metric_ops = {'accuracy': tf.metrics.accuracy(labels, preds)}
return EstimatorSpec(mode=mode, loss=loss, train_op=train_op, eval_metric_ops=eval_metric_ops)
model_2 = tf.estimator.Estimator(model_fn_2)
model_2.train(input_fn=lambda: None, steps=1)
を、私は一度だけmodel_2.train(input_fn=lambda: None, steps=1)
を実行することができますし、私は再びそれを実行しようとしたとき、私は次のエラーを取得する:
ValueError: Fetch argument cannot be interpreted as a Tensor. (Tensor Tensor("embedding_lookup/embeddings:0", shape=(2, 2), dtype=float32_ref) is not an element of this graph.)
なぜこれが起こり、どのように修正できますか?
ボンネット下のセッションで常に前のグラフが保持されている場合、最初のスニペットのコードに対してセッションをクリアする必要はありません。 – mauna