2

在低级 tensorflow API 上，我可以使用以下代码绘制直方图

.. some code ..
with tf.name_scope('output_layer'):
    weights = tf.Variable(tf.random_normal([d1, d2], dtype=tf.float32),
                          name='weights')
    biases = tf.Variable(tf.random_normal([d2], dtype=tf.float32), 
                         name='biases')

tf.summary.histogram('output_weights', weights)
tf.summary.histogram('biases', biases)

最近我决定尝试slimAPI，我想知道如何在简单和更复杂的情况下管理我的 TensorBoard 图。

例如，如果我想在以下两个示例中绘制tf.summary.histogram权重的直方图 (as ) 和偏差的平均值 (as )，我会怎么做？tf.summary.scalar

简单的例子：

with tf.name_scope('output_layer'):
    predictions = slim.fully_connected(inputs, d2)

复杂的例子：

with tf.name_scope('output_layer'):
    predictions = slim.stack(inputs, slim.fully_connected, [32, 64, 128])
4

1 回答 1

0

我认为这样做的标准方法是有一个这样的循环，它将为每一层添加权重、偏差、批处理规范参数等的分布和直方图：

for variable in slim.get_model_variables():
    tf.summary.histogram(variable.op.name, variable)
于 2018-06-03T15:50:58.600 回答