mindspore.TimeMonitor
- class mindspore.TimeMonitor(data_size=None)[源代码]
监控训练或推理的时间。
参数:
data_size (int) - 表示每隔多少个step打印一次信息。如果程序在训练期间获取到Model的 batch_num ,则将把 data_size 设为 batch_num ,否则将使用 data_size 。默认值:None。
异常:
ValueError - data_size 不是正整数。
样例:
>>> import mindspore as ms >>> from mindspore import nn >>> >>> net = LeNet5() >>> loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='mean') >>> optim = nn.Momentum(net.trainable_params(), 0.01, 0.9) >>> model = ms.Model(net, loss_fn=loss, optimizer=optim) >>> data_path = './MNIST_Data' >>> dataset = create_dataset(data_path) >>> time_monitor = TimeMonitor() >>> model.train(10, dataset, callbacks=time_monitor)
- epoch_begin(run_context)[源代码]
在epoch开始时记录时间。
参数:
run_context (RunContext) - 包含模型的相关信息。详情请参考
mindspore.RunContext
。
- epoch_end(run_context)[源代码]
在epoch结束时打印epoch的耗时。
参数:
run_context (RunContext) - 包含模型的相关信息。详情请参考
mindspore.RunContext
。