小编nkc*_*nor的帖子

在我的嵌入式Selenium/PhantomJSDriver驱动程序中,似乎没有清理资源.同步运行客户端会导致数百万个打开的文件,并最终抛出"打开的文件太多"类型异常.

这是我lsof在程序运行约1分钟时收集的一些输出

$ lsof | awk '{ print $2; }' | uniq -c | sort -rn | head
    1221966 12180
      34790 29773
      31260 12138
      20955 8414
      17940 10343
      16665 32332
       9512 27713
       7275 19226
       5496 7153
       5040 14065

$ lsof -p 12180 | awk '{ print $2; }' | uniq -c | sort -rn | head
    2859 12180
       1 PID

$ lsof -p 12180 -Fn | sort -rn | uniq -c | sort -rn | head
    1124 npipe …

1.0中的固定估算器(LinearClassifier,DNNClassifier等)使用Trainable接口定义:

fit(
    x=None,
    y=None,
    input_fn=None,
    steps=None,
    batch_size=None,
    monitors=None,
    max_steps=None
)

并将步骤描述为

训练模型的步数.如果没有,永远训练.'steps'以递增方式工作.如果您调用两次(步数= 10),则总共20个步骤进行训练.如果您不想有增量行为,请改为设置max_steps.如果设置,则max_steps必须为None.

我完全不知道这意味着什么.

m = LinearClassifier(
    feature_columns=[sparse_column_a, sparse_feature_a_x_sparse_feature_b],
    optimizer=tf.train.FtrlOptimizer(
      learning_rate=0.1,
      l1_regularization_strength=0.001
    )) 

m.fit(input_fn=train_input_fn, steps=???)

使用LinearClassifier,我们如何训练一次train_input_fn？应该是步数是train_input_fn多少？

如果我们想要对每个样品进行train_input_fn3次训练怎么办？

答案1(被删除？):"步骤是调用input_fn进行数据生成的次数"

我认为这个问题的很多逻辑都在Estimator的_train_model 功能中

它执行以下操作:

all_hooks = []
self._graph = ops.Graph()
with self._graph.as_default() as g, g.device(self._device_fn):
  random_seed.set_random_seed(self._config.tf_random_seed)
  global_step = contrib_framework.create_global_step(g)
  features, labels = input_fn()
  .......
  .......
  with monitored_session.MonitoredTrainingSession(
      ...
      hooks=all_hooks + model_fn_ops.training_hooks,
      chief_only_hooks=chief_hooks + model_fn_ops.training_chief_hooks,
      ...
  ) as mon_sess:
    loss = None
    while not mon_sess.should_stop(): …