tfset 1.2

tfset演示

支票 MNIST_demo.ipynb 在一个简单的 训练脚本。

服务器

导入tfset服务器。

import tfset.server as server

为超参数创建张量。

learning_rate = tf.get_variable("learning_rate", initializer=tf.constant(0.1, dtype=tf.float32))
dropout_prob = tf.get_variable("dropout_prob", initializer=tf.constant(0.9, dtype=tf.float32))

创建并启动会话服务器

# "session" is a Tensorflow session
s, thread = server.run_server([learning_rate, dropout_prob], session)

定期检查事件。

# "step" is the global step of your training procedure
s.check_events(step)

停止服务器。

s.shutdown()
thread.join(timeout=10)

客户

获取状态

tfset -s

添加事件（此事件将迭代时的学习速率设置为0.01 10000）。

tfset -a-n learning_rate:0 -i 10000 --value 0.01

删除事件（在本例中索引为0）。

tfset -r-e 0

事件

tfset基于 事件。事件包含以下信息：

• 迭代：何时执行事件
• 张量名称：要更改哪个张量
• value：将张量设置为的值

使用事件的原因是您可能希望安排 未来的超参数变化（例如，学习率降低到10e-3 800K迭代）。如果针对同一张量的两个事件是 在同一个迭代中调度，稍后调度的是 将被处决。