tensorflowtensorboard使用方法、应用场景和常见问题
41 浏览量
2021-01-27
12:23:59
上传
评论
收藏 1.42MB PDF 举报
tensorflowtensorboard使用方法、应用场景和常见问题使用方法、应用场景和常见问题
详细介绍：
基础操作两方面:
第一方面：“制作”各种标量、记录节点，图标、图片等的记录汇集，sess.run从计算图得到一次汇集的记录。
关于sess.run(merged)，可以把这个也当做计算图中得到了一个结果，只是不同用途。既然是计算图，就少不了要feed数
据，feed的数据不同，得到的结果也就不同，如果使用了错误的feed数据，很可能得到的绘制结果也不符合预期，下边会有例
子介绍！
剩下的也就是scalar和histgram对tensor形状的要求不同，输入错了自然报错（手动滑稽），image的话，也要先reshape到合
适的形状。
第二方面：利用本graph初始化writer，把sess.run得到的记录通过writer写入文件，关闭writer。
唯一注意的就是那个global_step的意义，这个step也就是绘制图标的横轴坐标了，如果用普通的i，如果断点续训从头开始计
算，那么图标也就绘制烂了，所以最好是用有记录的global_step，能够保证断点续训的图片绘制完整。
两种合并方法，第一种全合并，比较简单；第二种指定，精简，比如同时观察训练集和测试集的准确率，参数之类的不需要也
显示两份。
特殊用法：
同时显示训练集和测试集曲线
用两个writer，指定两个路径，分别记录训练集和测试集的准确率，运行tensorboard同时读取两个event文件。
应用场景
应用：对比测试集与训练集的准确率
如果是带dropout的训练，不要在train同时得到accuracy，会出现准确率倒挂，训练准确率低于测试准确率（蓝线）.
改完了也不能明显看到“训练准确率高于测试准确率”的情况
也有一方面原因是conv解MNIST太简单了，拉不开差距，test用的batch太小了，不容易反应整体，拉不开差距，因为机器性
能的限制，一次不能运行整个测试集，summary是拿tensor，是tensor就得feed数据，feed数据就有size限制，又不可以在
python里自己做循环和平均，这是个问题。
问题：两个event的显示颜色不如人意
评论0