我将在amazon sagemaker
中迈出我的第一步。我用脚本模式来训练分类算法。训练是好的,但是我不能做增量训练。我想用新数据再次训练同一个模型。这就是我所做的。这是我的剧本:
import sagemaker
from sagemaker.tensorflow import TensorFlow
from sagemaker import get_execution_role
bucket = 'sagemaker-blablabla'
train_data = 's3://{}/{}'.format(bucket,'train')
validation_data = 's3://{}/{}'.format(bucket,'test')
s3_output_location = 's3://{}'.format(bucket)
tf_estimator = TensorFlow(entry_point='main.py',
role=get_execution_role(),
train_instance_count=1,
train_instance_type='ml.p2.xlarge',
framework_version='1.12',
py_version='py3',
output_path=s3_output_location)
inputs = {'train': train_data, 'test': validation_data}
tf_estimator.fit(inputs)
入口点是我的自定义keras代码,我将其改编为从脚本接收参数。 现在培训已经顺利完成,我的s3桶里有型号.tar.gz. 我想再训练一次,但我不清楚怎么做。。我试过了
trained_model = 's3://sagemaker-blablabla/sagemaker-tensorflow-scriptmode-2019-11-27-12-01-42-300/output/model.tar.gz'
tf_estimator = sagemaker.estimator.Estimator(image_name='blablabla-west-1.amazonaws.com/sagemaker-tensorflow-scriptmode:1.12-gpu-py3',
role=get_execution_role(),
train_instance_count=1,
train_instance_type='ml.p2.xlarge',
output_path=s3_output_location,
model_uri = trained_model)
inputs = {'train': train_data, 'test': validation_data}
tf_estimator.fit(inputs)
不起作用。首先,我不知道如何检索训练映像名称(为此,我在aws
控制台中查找了它,但我想应该有一个更聪明的解决方案),其次,这段代码抛出了一个关于入口点的异常,但我的理解是,当我使用就绪映像进行增量学习时,不应该需要它。
我肯定错过了一些重要的事情,有什么帮助吗?谢谢您!你知道吗
增量训练是内置Image Classifier and Object Detector的本机特性。对于自定义代码,开发人员负责编写增量训练逻辑并验证其有效性。以下是一个可能的路径:
fit
中传递的数据通道之一加载模型状态(要微调的工件)一些框架为增量学习提供了比其他框架更好的支持。例如,一些sklearn模型提供了incremental_fit方法。对于DL框架来说,从检查点继续训练在技术上是非常容易的,但是如果新数据与以前看到的数据非常不同,这可能会导致您的模型忘记以前的学习。你知道吗
相关问题 更多 >
编程相关推荐