为了实现finetune有如下两种解决方案：
model_fn里面定义好模型之后直接赋值
def model_fn(features, labels, mode, params):
# .....
# finetune
if params.checkpoint_path and (not tf.train.latest_checkpoint(params.model_dir)):
checkpoint_path = None
if tf.gfile.IsDirectory(params.checkpoint_path):
checkpoint_path = tf.train.latest_checkpoint(params.checkpoint_path)
else:
checkpoint_path = params.checkpoint_path
tf.train.init_from_checkpoint(
ckpt_dir_or_file=checkpoint_path,
assignment_map={params.checkpoint_scope: params.checkpoint_scope} # 'OptimizeLoss/':'OptimizeLoss/'
)
使用钩子 hooks。
可以在定义tf.contrib.learn.Experiment的时候通过train_monitors参数指定
# Define the experiment
experiment = tf.contrib.learn.Experiment(
estimator=estimator, # Estimator
train_input_fn=train_input_fn, # First-class function
eval_input_fn=eval_input_fn, # First-class function
train_steps=params.train_steps, # Minibatch steps
min_eval_frequency=params.eval_min_frequency, # Eval frequency
# train_monitors=[], # Hooks for training
# eval_hooks=[eval_input_hook], # Hooks for evaluation
eval_steps=params.eval_steps # Use evaluation feeder until its empty
)
也可以在定义tf.estimator.EstimatorSpec 的时候通过training_chief_hooks参数指定。
不过个人觉得最好还是在estimator中定义，让experiment只专注于控制实验的模式（训练次数,验证次数等等）。
def model_fn(features, labels, mode, params):
# ....
return tf.estimator.EstimatorSpec(
mode=mode,
predictions=predictions,
loss=loss,
train_op=train_op,
eval_metric_ops=eval_metric_ops,
# scaffold=get_scaffold(),
# training_chief_hooks=None
)
这里顺便解释以下tf.estimator.EstimatorSpec对像的作用。该对象描述来一个模型的方方面面。包括：
当前的模式：
mode: A ModeKeys. Specifies if this is training, evaluation or prediction.
计算图
predictions: Predictions Tensor or dict of Tensor.
loss: Training loss Tensor. Must be either scalar, or with shape [1].
train_op: Op for the training step.
eval_metric_ops: Dict of metric results keyed by name. The values of the dict are the results of calling a metric function, namely a (metric_tensor, update_op) tuple. metric_tensor should be evaluated without any impact on state (typically is a pure computation results based on variables.). For example, it should not trigger the update_op or requires any input fetching.
导出策略
export_outputs: Describes the output signatures to be exported to
SavedModel and used during serving. A dict {name: output} where:
name: An arbitrary name for this output.
output: an ExportOutput object such as ClassificationOutput, RegressionOutput, or PredictOutput. Single-headed models only need to specify one entry in this dictionary. Multi-headed models should specify one entry for each head, one of which must be named using signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEY.
chief钩子 训练时的模型保存策略钩子CheckpointSaverHook， 模型恢复等
training_chief_hooks: Iterable of tf.train.SessionRunHook objects to run on the chief worker during training.
worker钩子 训练时的监控策略钩子如： NanTensorHook LoggingTensorHook 等
training_hooks: Iterable of tf.train.SessionRunHook objects to run on all workers during training.
指定初始化和saver
scaffold: A tf.train.Scaffold object that can be used to set initialization, saver, and more to be used in training.
evaluation钩子
evaluation_hooks: Iterable of tf.train.SessionRunHook objects to run during evaluation.
自定义的钩子如下：
class RestoreCheckpointHook(tf.train.SessionRunHook):
def __init__(self,
checkpoint_path,
exclude_scope_patterns,
include_scope_patterns
):
tf.logging.info("Create RestoreCheckpointHook.")
#super(IteratorInitializerHook, self).__init__()
self.checkpoint_path = checkpoint_path
self.exclude_scope_patterns = None if (not exclude_scope_patterns) else exclude_scope_patterns.split(',')
self.include_scope_patterns = None if (not include_scope_patterns) else include_scope_patterns.split(',')
def begin(self):
# You can add ops to the graph here.
print('Before starting the session.')
# 1. Create saver
#exclusions = []
#if self.checkpoint_exclude_scopes:
# exclusions = [scope.strip()
# for scope in self.checkpoint_exclude_scopes.split(',')]
#
#variables_to_restore = []
#for var in slim.get_model_variables(): #tf.global_variables():
# excluded = False
# for exclusion in exclusions:
# if var.op.name.startswith(exclusion):
# excluded = True
# break
# if not excluded:
# variables_to_restore.append(var)
#inclusions
#[var for var in tf.trainable_variables() if var.op.name.startswith('InceptionResnetV1')]
variables_to_restore = tf.contrib.framework.filter_variables(
slim.get_model_variables(),
include_patterns=self.include_scope_patterns, # ['Conv'],
exclude_patterns=self.exclude_scope_patterns, # ['biases', 'Logits'],
# If True (default), performs re.search to find matches
# (i.e. pattern can match any substring of the variable name).
# If False, performs re.match (i.e. regexp should match from the beginning of the variable name).
reg_search = True
)
self.saver = tf.train.Saver(variables_to_restore)
def after_create_session(self, session, coord):
# When this is called, the graph is finalized and
# ops can no longer be added to the graph.
print('Session created.')
tf.logging.info('Fine-tuning from %s' % self.checkpoint_path)
self.saver.restore(session, os.path.expanduser(self.checkpoint_path))
tf.logging.info('End fineturn from %s' % self.checkpoint_path)
def before_run(self, run_context):
#print('Before calling session.run().')
return None #SessionRunArgs(self.your_tensor)
def after_run(self, run_context, run_values):
#print('Done running one step. The value of my tensor: %s', run_values.results)
#if you-need-to-stop-loop:
# run_context.request_stop()
pass
def end(self, session):
#print('Done with the session.')
pass
最近训练模型时遇到一些问题，记载下来以备以后可以查看。在使用tensorflow的接口estimator遇到一些问题，官方的api也不是很具体，因此通过搜索与查看源码，一步步熟悉其操作与原理，并解决了问题。 tf.estimator是专为分布式设计的，其中包含很多分布式策略。包含如下参数：
1、model_fn，该函数的输入包含feature、label、config、mode一些参数设置等，对于train、eval、predict过程，主要通过mode参数区分，主要定义模型的运行过程。
2、Model_dir，模型存储的目录
3、config一些配置设置,如采用分布式策略
4、params一些参数设置
5、warm_start_from 从已保存的checkpoint加载
Estimator有一些很巧妙的实现，比如对一些保存checkpoint、打印日志操作等都是通过hook实现，如sessionRunhook,详见https://www.tensorflow.org/api_docs/python/tf/train/SessionRunHook，可以通过继承sessionRunhook实现一些会话内的操作。Estimator会根据设置的是否分布式策略执行不同的训练过程，其中分布策略主要通过tf.train.MonitorSession实现。
模型训练过程中，往往通过加载之前模型的参数，对原有模型或进行finetune或改变图的结构，而我在训练模型中修改了优化器部分，对于优化,estimator通过CheckpointSaverHook每隔一段时间进行checkpoint存储，为了能够断点训练，也存储了如adam类似优化器的参数，而adam中本身包含两个变量，如m，v等参数，具体可见之前的博客https://blog.csdn.net/u013453936/article/details/79088291等，它在checkpoint中存储的名称默认为Adam，那么m和v两个变量就会变成Adam,Adam1默认命名，如果使用adagrad，那变量名将会改成Adagrad默认命名等。或者添加一些网络层。由于estimator CheckpointSaverHook源码见于tensorflow/python/training/basic_session_run_hooks.py中，默认会加载model_dir中的checkpoint，如swats，详见https://github.com/summersunshine1/optimize/blob/master/adadelta.py优化算法，它的变量不止两个，而加载模型过程中即使swats命名改为Adam,那可能会出现Adam_2，Adam_3参数，于是便会报not found Adam_2等错误。难道不可以直接加载旧的模型的部分参数到新的模型，这样就可以修改旧有模型，同时复用旧有模型参数。在以前的类似finetune过程中，直接通过调用tf.train.saver即可实现，那estimator中如何实现。
我尝试了四种方法，其中两种方法在多卡环境下不适用，另一种会出现很奇怪的bug,最后一种终于解决了该问题。 首先，查看estimator的接口中有一个warm_start_from,warm_start_from这个参数用于从旧的模型中加载参数。采用warm_start_from时，会出现"TypeError: var MUST be one of the following: a Variable, list of Variable or PartitionedVariable, but is <class 'tensorflow.contrib.distribute.python.values.MirroredVariable'>”error，根据该参数，由于出现MirroredVariable error,当多卡环境时，主要采用mirroredstrategy，将镜像变量分布于多个设备中，因此可以判定为是多卡出现的错误。可是，多卡问题必须要解决，毕竟一般都在多卡上跑。不甘心，于是采用warm_start_from的另一种形式参数，tf.estimator.WarmStartSettings(ckpt_to_initialize_from=model_dir ,vars_to_warm_start = '^(?!.*(Adam))'),该函数可以通过一些参数匹配只恢复部分参数，还是同样的错误。 通过查找，发现init_from_checkpoint一般用于finetune，因此尝试调用tf.train.init_from_checkpoint(),，同样的错误再次出现。 搜索过后，发现了一种解决方案，在model_fn中返回的tf.estimator.EstimatorSpec中有一个参数scaffold，scaffold定义整个模型需要做的准备，如初始化参数，保存点等。将其输入到tf.estimator.EstimatorSpec的参数中，不知什么原因，代码和错误如下：
for var in tf.trainable_variables():
if not 'Adam' in var.name:
var_to_restore.append(var)
checkpoint_state = tf.train.get_checkpoint_state(params["model_dir"])
input_checkpoint = checkpoint_state.model_checkpoint_path
pretrain_saver = tf.train.Saver(var_to_restore)
def init_fun(scaffold, session):
pretrain_saver.restore(session, input_checkpoint)
sca = tf.train.Scaffold(init_fn = init_fun)
于是进一步搜索estimator如何finetune，发现这是一个多卡的bug,在github上刚被提出，见https://github.com/tensorflow/tensorflow/issues/19958，绝望透顶。 另一个issue中https://github.com/tensorflow/tensorflow/issues/10155,看到mixuala 回复使用hooks可以实现模型参数的加载。该hook主要继承自sessionrunhook,可以在session创建后进行模型的恢复，该方法最终解决了我的问题。我也在https://github.com/tensorflow/tensorflow/issues/19958，进行了回复。该方法只是绕路解决了问题，真的很希望tensorflow能够解决该多设备问题。 通过不断尝试，逐渐熟悉estimator的使用，以及解决了问题，官方的文档很简略，没有详细说明其使用例子，这是我想吐槽的，不过tensorflow的设计真的很巧妙。