亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

TFX 同時運行多個訓練器

TFX 同時運行多個訓練器

慕虎7371278 2022-11-29 14:46:05
我是 tfx 的新手,正在學習組裝管道。我已經在 GCP 上的 Kubeflow 中成功構建了一個管道。我想知道如何運行多個訓練器,這些訓練器將使用相同的 csvexamplegen、轉換和 schemagen 在管道中生成不同的輸出/推動器。有沒有人這樣做過?請提前告知并感謝。  def create_pipeline(    pipeline_name: Text,    pipeline_root: Text,    data_path: Text,    preprocessing_fn: Text,    run_fn: Text,    train_args: trainer_pb2.TrainArgs,    eval_args: trainer_pb2.EvalArgs,    eval_accuracy_threshold: float,    serving_model_dir: Text,    metadata_connection_config: Optional[        metadata_store_pb2.ConnectionConfig] = None) -> pipeline.Pipeline:      trainer_args = {      'run_fn': run_fn,      'transformed_examples': transform.outputs['transformed_examples'],      'schema': schema_gen.outputs['schema'],      'transform_graph': transform.outputs['transform_graph'],      'train_args': train_args,      'eval_args': eval_args,      'custom_executor_spec':          executor_spec.ExecutorClassSpec(trainer_executor.GenericExecutor)}      trainer = Trainer(**trainer_args)      components.append(trainer)return pipeline.Pipeline(      pipeline_name=pipeline_name,      pipeline_root=pipeline_root,      components=components,      enable_cache=True,      metadata_connection_config=metadata_connection_config,      beam_pipeline_args=beam_pipeline_args,  )
查看完整描述

1 回答

?
慕妹3146593

TA貢獻1820條經驗 獲得超9個贊

為了讓 Kubeflow 獲取的培訓師獨一無二,我必須輸入 instance_name 來定義培訓師。


trainer2 = Trainer(

      run_fn=run_fn2,

      examples=transform.outputs['transformed_examples'],

      schema=schema_gen.outputs['schema'],

      transform_graph= transform.outputs['transform_graph'],

      train_args= train_args2,

      eval_args= eval_args2,

      custom_executor_spec= executor_spec.ExecutorClassSpec(trainer_executor.GenericExecutor),

      instance_name='trainer2'

  )


查看完整回答
反對 回復 2022-11-29
  • 1 回答
  • 0 關注
  • 79 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號