我正在尝试使用tensorflow高级API来开发模型，我在培训和可视化阶段发现了一个问题：
对于相同的model_fn（），每次我尝试调用estimator.train（）方法时，global_step将从我上次训练的步骤增加。例如，如果上次运行estimator.train（）方法进入global_step = 2000，那么这次当我开始训练模型时，它将从2000年，2001年，2002年开始累计......
我的问题是：出于某种原因，我想每次都从头开始训练模型。也就是说，当我再次开始训练时，我不需要估算器来恢复以前训练过的重量。
目前，我只是在每次启动新培训之前手动删除检查点和事件文件，而且效率非常低。然而，即便如此，上次仍然存在残余曲线，我无法以这种方式删除。
我该如何处理？
答案 0 :(得分：0)
model_dir选项是您提供保存模型的路径（检查点和其他内容）。因此，每次您开始训练时，它都会查找该路径并查看是否存在任何检查点，如果有，它将选择最后一个检查点并将权重加载到模型中并开始训练，这就是每次检查点增加的原因。
似乎有一种方法可以完全停止保存检查点，请查看此link。
当前，每次我想开始新的培训时，我都会为model_dir路径指定一个新位置。我将检查路径是否存在，否则将创建该文件夹。