41

我正在尝试学习如何使用 tensorflow 和 tensorboard。我有一个基于MNIST 神经网络教程的测试项目。

在我的代码中，我构建了一个节点，用于计算数据集中正确分类的数字比例，如下所示：

correct = tf.nn.in_top_k(self._logits, labels, 1)
correct = tf.to_float(correct)
accuracy = tf.reduce_mean(correct)

这里，self._logits是图的推理部分，labels是一个包含正确标签的占位符。

现在，我想做的是在训练进行时评估训练集和验证集的准确性。我可以通过使用不同的 feed_dict 两次运行准确度节点来做到这一点：

train_acc = tf.run(accuracy, feed_dict={images : training_set.images, labels : training_set.labels})
valid_acc = tf.run(accuracy, feed_dict={images : validation_set.images, labels : validation_set.labels})

这按预期工作。我可以打印这些值，我可以看到，最初，两个准确度都会增加，最终验证准确度会变平，而训练准确度会不断增加。

但是，我也想在 tensorboard 中获取这些值的图表，但我不知道如何做到这一点。如果我只是添加一个scalar_summaryto accuracy，记录的值将不会区分训练集和验证集。

我还尝试创建两个accuracy具有不同名称的相同节点，并在训练集上运行一个，在验证集上运行一个。scalar_summary然后我向每个节点添加一个。这确实在张量板上给了我两张图，但不是一张显示训练集准确度的图和一张显示验证集准确度的图，它们都显示了相同的值，与打印到终端的任何一个都不匹配。

我可能误解了如何解决这个问题。分别记录来自单个节点的不同输入的输出的推荐方法是什么？

4

2 回答 2

55

有几种不同的方法可以实现这一点，但您在创建不同tf.summary.scalar()节点方面走在了正确的轨道上。由于每次要将数量记录到事件文件时都必须显式调用SummaryWriter.add_summary()，因此最简单的方法可能是每次要获取训练或验证准确性时获取适当的摘要节点：

accuracy = tf.reduce_mean(correct)

training_summary = tf.summary.scalar("training_accuracy", accuracy)
validation_summary = tf.summary.scalar("validation_accuracy", accuracy)


summary_writer = tf.summary.FileWriter(...)

for step in xrange(NUM_STEPS):

  # Perform a training step....

  if step % LOG_PERIOD == 0:

    # To log training accuracy.
    train_acc, train_summ = sess.run(
        [accuracy, training_summary], 
        feed_dict={images : training_set.images, labels : training_set.labels})
    writer.add_summary(train_summ, step) 

    # To log validation accuracy.
    valid_acc, valid_summ = sess.run(
        [accuracy, validation_summary],
        feed_dict={images : validation_set.images, labels : validation_set.labels})
    writer.add_summary(valid_summ, step)

或者，您可以创建一个标签为 a 的摘要操作，并根据需要tf.placeholder(tf.string, [])提供字符串"training_accuracy"或"validation_accuracy"。

于 2015-12-26T19:31:54.327 回答
5

另一种方法是使用第二个文件编写器。因此，您可以使用 merge_summaries 命令。

train_writer = tf.summary.FileWriter(FLAGS.summaries_dir + '/train',
                                      sess.graph)
test_writer = tf.summary.FileWriter(FLAGS.summaries_dir + '/test')
tf.global_variables_initializer().run()

这是完整的文档。这对我来说很好：TensorBoard：可视化学习

于 2018-03-05T10:18:40.530 回答