mindspore.train.OnRequestExit

class mindspore.train.OnRequestExit(save_ckpt=True, save_mindir=True, file_name='Net', directory='./', sig=signal.SIGTERM)[源代码]

响应用户关闭请求，退出训练或推理进程，保存checkpoint和mindir。

在训练开始前，注册OnRequestExit回调，当用户想要退出训练进程并保存训练数据时，可通过发送注册的退出信号 sig 到训练进程。 训练进程执行完当前step后，保存当前训练状态，包括checkpoint和mindir，然后退出训练过程。

参数：

  • save_ckpt (bool) - 退出训练或推理进程时，是否保存checkpoint。默认值：True。

  • save_mindir (bool) - 退出训练或推理进程时，是否保存mindir。默认值：True。

  • file_name (str) - 退出训练或推理进程时，保存的checkpoint和mindir的名字，checkpoint文件加.ckpt后缀，mindir文件加.mindir后缀。默认值：’Net’。

  • directory (str) - 退出训练或推理进程时，保存的checkpoint和mindir的目录。默认值：’./’。

  • sig (int) - 用户注册的退出信号，该信号必须是可捕获可忽略的。当进程收到该信号时，退出训练或者推理。默认值：signal.SIGTERM。

异常：

  • ValueError - save_ckpt 不是bool值 。

  • ValueError - save_mindir 不是bool值。

  • ValueError - file_name 不是字符串。

  • ValueError - directory 不是字符串。

  • ValueError - sig 不是int值，或者是signal.SIGKILL。

样例：

>>> import numpy as np
>>> import mindspore as ms
>>> from mindspore import dataset as ds
>>> from mindspore import nn
>>>
>>> # Define the forward net
>>> class ForwardNet(nn.Cell):
>>>     def __init__(self, num_class=10, channel=1):
>>>         super(ForwardNet, self).__init__()
>>>         self.param = ms.Parameter(1.0)
>>>         self.relu = ms.ops.ReLU()
>>>
>>>     def construct(self, x):
>>>         return self.relu(x + self.param)
>>> forward_net = ForwardNet()
>>> loss = nn.MAELoss()
>>> opt = nn.Momentum(forward_net.trainable_params(), 0.01, 0.9)
>>> model = ms.Model(forward_net, loss_fn=loss, optimizer=opt)        >>>
>>> # Create dataset
>>> def generator_multi_column():
>>>    i = 0
>>>    while i < 1000:
>>>        i += 1
>>>        yield np.ones((1, 32, 32)).astype(np.float32) * 0.01, np.array(1).astype(np.int32)
>>> dataset = ds.GeneratorDataset(source=generator_multi_column, column_names=["data", "label"])
>>> dataset = dataset.batch(32, drop_remainder=True)
>>>
>>> on_request_exit = ms.train.OnRequestExit(file_name='LeNet5')
>>> model.train(10, dataset, callbacks=on_request_exit)
>>> # The user send the signal SIGTERM to the training process,
>>> # the process would save the checkpoint and mindir, and then exit the training process.
on_eval_begin(run_context)[源代码]

在推理开始时，注册用户传入退出信号的处理程序。

参数：
on_eval_end(run_context)[源代码]

在推理结束时，如果接收到退出信号，根据用户配置，保存checkpoint和mindir。

参数：
on_eval_step_end(run_context)[源代码]

在推理step结束时，如果接收到退出信号，将 run_context 的 _stop_requested 属性置为True。在本轮推理结束后，退出推理。

参数：
on_train_begin(run_context)[源代码]

在训练开始时，注册用户传入退出信号的处理程序。

参数：
on_train_end(run_context)[源代码]

在训练结束时，如果接收到退出信号，根据用户配置，保存checkpoint和mindir。

参数：
on_train_epoch_end(run_context)[源代码]

在训练epoch结束时，如果接收到退出信号，将 run_context 的 _stop_requested 属性置为True。在本轮训练结束后，退出训练。

参数：
on_train_step_end(run_context)[源代码]

在训练step结束时，如果接收到退出信号，将 run_context 的 _stop_requested 属性置为True。在本轮训练结束后，退出训练。

参数：