如何在联合的TensorFlow中节省重量

Question

我只想在损失降低并重用它们进行评估时节省权重。

lowest_loss = Inf

    if loss[round] < lowest_loss:
        lowest_loss = loss[round]

        model_weights = transfer_learning_iterative_process.get_model_weights(state)



eval_metric = federated_eval(model_weights, [fed_valid_data])

在哪里：

  federated_eval = tff.learning.build_federated_evaluation(model_fn)

是否有可能将服务器权重以HDF5格式或检查点保存并重复使用？

Answer 1

是的，这可以使用TFF中的帮助者来完成。通常，这种功能由 tff.program。 ProgramStateManagers 。可以找到保存到文件系统的实现，可以找到 tff.simulation.run_training_process 。