在tensorflow v2中的图中使用tf.timestamp()

Question

我正在尝试在我的tf模型中对特定块进行基准测试。因此，我尝试使用tf.timestamp()。我需要将它包含在图形执行中，以便每次调用模型时都执行它。

我实际上可以通过使用tf.compat.v1.Print()来实现，如下所示，

x = self.mp1(x)
x = tf.compat.v1.Print(x, [tf.timestamp()])
x = self.c3(x)

但是这是打印值，这会导致一些开销。相反，我想将它存储到某个变量中，以便在执行后使用它。是否有其他方法可以将tf.timestamp()嵌入到tf2的图形中?

Answer 1

如果你正在使用此图进行优化(例如作为深度学习模型)，您可能会运行model.fit()函数。然后你可以使用callback函数在每个纪元之后保存。

import tensorflow as tf
from tf.keras.callbacks import ModelCheckpoint
EPOCHS = 10
checkpoint_filepath = '/tmp/checkpoint'
model_checkpoint_callback = ModelCheckpoint(
filepath=checkpoint_filepath,
save_weights_only=True,
monitor='val_acc',
mode='max',
save_best_only=True)
# Model weights are saved at the end of every epoch, if it's the best seen
# so far.
model.fit(epochs=EPOCHS, callbacks=[model_checkpoint_callback])
# The model weights (that are considered the best) are loaded into the model.
model.load_weights(checkpoint_filepath)

Answer 2

我在尝试了几件事后解决了这个问题。我所做的是:

• 定义自定义图层为

class TimeStamp(layers.Layer):
def __init__(self):
super(TimeStamp, self).__init__()
self.ts = tf.Variable(initial_value=0., dtype=tf.float64, trainable=False)
def call(self, inputs):
self.ts = tf.timestamp()
return tf.identity(inputs)
def getTs(self):
return self.ts

• 然后在一个模型中多次使用它，然后通过减去这些self.ts值来找到经过的时间。