博客
关于我
赶紧学会模型后台训练,你就可以安心回家吃饭了
阅读量:681 次
发布时间:2019-03-17

本文共 704 字,大约阅读时间需要 2 分钟。

训练模型之所以需要加班,主要是因为我们可以在后台执行,避免了每天一直盯着模型训练的繁琐 Anyway,本文将详细讲解模型训练的几个技巧和注意事项。

1. 保存模型的重要性

在训练模型的过程中,保存模型是至关重要的一步。没有保存,可能会导致一夜之间的努力无从成果。可以通过以下方式进行模型保存:

model.save_model("./ag_news_model_1")

这种方法可以让你在不关心模型训练进度的情况下,模型数据得以保存。

2. 使用 nohup 脚本进行远程运行

为了避免你需要长时间盯着电脑,推荐使用 nohup 脚本进行任务调度。这样你可以设置好日志,并在任何时间查看训练进度。仅仅需要执行以下命令即可:

nohup python 06-restudy_news.py > 06-log.txt &

这样你就可以远程运行模型训练,不用担心中途因网络问题被断开。

3. 检查训练进程

在模型训练的过程中,需要定期检查训练是否正常进行。可以通过查看系统进程来确认:

ps -af | grep python

这样可以及时发现是否有异常情况发生。

4. 设置日志监控

为了确保模型训练的顺利进行,可以在运行脚本时设置日志文件,将错误信息及时记录下来。这样可以帮助你快速定位问题所在,避免因耗时问题而影响工作安排。

5. 确认日志设置成功

在使用 nohup 脚本时,您会收到一条消息,表示日志是否被成功创建。如果日志已经正确生成,可以通过查看关心的路径来确认。

总结

通过以上方法,您可以有效地处理模型训练中的后台执行问题,减少对工作的干扰。合理设置保存模型和日志监控,是提升工作效率的重要方法。

转载地址:http://iechz.baihongyu.com/

你可能感兴趣的文章
PreparedStatement 查询 In 语句 setArray 等介绍。
查看>>
presentModalViewController显示半透明的一个view
查看>>
PresentViewController切换界面
查看>>
PyTorch之torch.utils.data.DataLoader解读
查看>>
PyTorch之DataLoader杂谈
查看>>
presto、druid、sparkSQL、kylin的对比分析
查看>>
Presto分布式大数据查询引擎
查看>>
Presto架构及原理
查看>>
Presto(一)集群部署
查看>>
Presto(二)开启安全认证
查看>>
Pricing procedure Steps and Details in SAP MM (from SCN)
查看>>
Prim 算法在不同权重范围内的性能分析及其实现
查看>>
Primace 5.0软件与KEIL单片机软件联合在线仿真步骤
查看>>
Prime Distance
查看>>
Prim求MST最小生成树
查看>>
Prim算法与Kruskal算法在均匀分布权重图中的性能比较
查看>>
Prim算法在加权连通图中的简单实现
查看>>
Prim算法详解及C代码示例
查看>>