def train_plan_name(self): plan_name = utils.get_comp_name(predictor_constants.TRAIN_PLAN_TYPE, self.name) return self.trainer_prefix + '_' + plan_name \ if self.trainer_prefix else plan_name
def inputs_name(self): return utils.get_comp_name(predictor_constants.INPUTS_BLOB_TYPE, self.name)
def global_init_name(self): return utils.get_comp_name(predictor_constants.GLOBAL_INIT_NET_TYPE, self.name)
def predict_net_name(self): return utils.get_comp_name(predictor_constants.PREDICT_NET_TYPE, self.name)
def predict_net_name(self): return utils.get_comp_name(predictor_constants.PREDICT_NET_TYPE, self.name)
def parameters_name(self): return utils.get_comp_name(predictor_constants.PARAMETERS_BLOB_TYPE, self.name)
def global_init_name(self): return utils.get_comp_name(predictor_constants.GLOBAL_INIT_NET_TYPE, self.name)
def parameters_name(self): return utils.get_comp_name(predictor_constants.PARAMETERS_BLOB_TYPE, self.name)
def outputs_name(self): return utils.get_comp_name(predictor_constants.OUTPUTS_BLOB_TYPE, self.name)
def train_plan_name(self): return utils.get_comp_name(predictor_constants.TRAIN_PLAN_TYPE, self.name)
def train_plan_name(self): return utils.get_comp_name(predictor_constants.TRAIN_PLAN_TYPE, self.name)