在 TFF 中,该变量 state
用于评估,如下所示:
test_metrics = evaluation(state.model, federated_test_data)
那么,当我找到性能最好的一个时,我们如何保持这个变量或保存它
在 TFF 中,该变量 state
用于评估,如下所示:
test_metrics = evaluation(state.model, federated_test_data)
那么,当我找到性能最好的一个时,我们如何保持这个变量或保存它
tensorflow_federated/python/research/utils/checkpoint_manager.py模块中有用于序列化状态的实用程序。CheckpointManager
可以在tensorflow_federated/python/research/utils/training_loop.py中找到使用的示例
这CheckpointManager
是一个相当薄的包装纸tf.saved_model
。对于您的方案,直接使用它可能更灵活。