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?
2 回答
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 .
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 .
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
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:
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 .