首页 文章

使用相同的图表显示TensorFlow中的训练和验证准确性

提问于
浏览 次
24

我有一个TensorFlow模型，该模型的一部分评估准确性 . accuracy 只是张量流图中的另一个节点，它接收 logits 和 labels .

当我想绘制训练准确性时，这很简单：我有类似的东西：

tf.scalar_summary("Training Accuracy", accuracy)
tf.scalar_summary("SomethingElse", foo)
summary_op = tf.merge_all_summaries()
writer = tf.train.SummaryWriter('/me/mydir/', graph=sess.graph)

然后，在我的训练循环中，我有类似的东西：

for n in xrange(1000):
  ...
  summary, ..., ... = sess.run([summary_op, ..., ...], feed_dict)
  writer.add_summary(summary, n)
  ...

同样在for循环中，每说100次迭代，我想评估 validation 的准确性 . 我有一个单独的feed_dict，我能够在python中非常好地评估验证的准确性 .

但是，这是我的问题：我想通过使用 accuracy 节点为验证准确性做另一个总结 . 我不清楚如何做到这一点 . 因为我有 accuracy 节点，所以我应该可以重新使用它，但我不确定如何准确地执行此操作，这样我也可以将验证准确性写为单独的标量_概要...

怎么可能这样呢？

python machine-learning tensorflow tensorboard

2 回答

  • 7

    您可以重用精度节点，但需要使用两个不同的SummaryWriters，一个用于训练运行，另一个用于测试数据 . 此外，您必须将标量摘要分配给变量 .

    accuracy_summary = tf.scalar_summary("Training Accuracy", accuracy)
tf.scalar_summary("SomethingElse", foo)
summary_op = tf.merge_all_summaries()
summaries_dir = '/me/mydir/'
train_writer = tf.train.SummaryWriter(summaries_dir + '/train', sess.graph)
test_writer = tf.train.SummaryWriter(summaries_dir + '/test')

    然后在训练循环中，您将接受正常训练，并使用train_writer记录您的摘要 . 此外，您每次在第100次迭代时在测试集上运行图形，并仅使用test_writer记录精度摘要 .

    # Record train set summaries, and train
summary, _ = sess.run([summary_op, train_step], feed_dict=...)
train_writer.add_summary(summary, n)
if n % 100 == 0:  # Record summaries and test-set accuracy
  summary, acc = sess.run([accuracy_summary, accuracy], feed_dict=...)
  test_writer.add_summary(summary, n)
  print('Accuracy at step %s: %s' % (n, acc))

    然后，您可以将TensorBoard指向父目录（summaries_dir），它将加载两个数据集 .

    这也可以在TensorFlow HowTo的https://www.tensorflow.org/versions/r0.11/how_tos/summaries_and_tensorboard/index.html中找到

    回复于
  • 33

    要运行相同的操作但使用不同的feed_dict数据获取摘要，只需将两个摘要操作附加到该操作 . 假设您希望在验证和测试数据上运行准确性操作，并希望获得两者的摘要：

    validation_acc_summary = tf.summary.scalar('validation_accuracy', accuracy)  # intended to run on validation set
test_acc_summary = tf.summary.scalar('test_accuracy', accuracy)  # intended to run on test set
with tf.Session() as sess:
    # do your thing
    # ...
    # accuracy op just needs labels y_ and input x to compute logits 
    validation_summary_str = sess.run(validation_acc_summary, feed_dict=feed_dict={x: mnist.validation.images,y_: mnist.validation.labels})
    test_summary_str = sess.run(test_acc_summary, feed_dict={x: mnist.test.images,y_: mnist.test.labels})

    # assuming you have a tf.summary.FileWriter setup
    file_writer.add_summary(validation_summary_str)
    file_writer.add_summary(test_summary_str)

    还要记住，你总是可以从原始文件summary_str中提取原始（标量）数据，如this，并进行自己的日志记录 .

    回复于

相关问题