在 tensorboard 中可视化 batch_norm 参数

Posted

技术标签:

【中文标题】在 tensorboard 中可视化 batch_norm 参数【英文标题】:visualizing batch_norm parameters in tensorboard 【发布时间】:2019-02-13 06:58:15 【问题描述】:

当我更改批次规范特定的超参数时,我当前的 NN 模型给出了一些异常结果。我想查看批量规范参数 betagamma 随时间的分布情况,以确保批量规范没有做奇怪的事情。

使用 tensorboard 最容易将学习到的权重或偏差可视化,但我不确定如何使用 betagamma 来做到这一点,因为它们是定义和管理的在tf.layers.batch_normalizationtf.contrib.layers.batch_norm 内。

有没有一种简单的方法来引用 betagamma 并将它们放入直方图摘要中,而无需编写我自己的批处理规范版本?

【问题讨论】:

【参考方案1】:

为他们创建一个摘要仍然是一件苦差事,但这就是我想出的访问gammabeta 的方法:

def batch_norm(self, x_in):
    with tf.variable_scope('batch_norm'):
        x = tf.layers.batch_normalization(  x_in,
                                            momentum = self.bn_decay,
                                            epsilon = self.bn_epsilon,
                                            training = self.is_training)

        gamma =  tf.trainable_variables(tf.get_variable_scope().name)[0]
        beta = tf.trainable_variables(tf.get_variable_scope().name)[1]

        return x

tf.trainable_variables(tf.get_variable_scope().name) 所做的是以列表的形式返回当前范围内的所有变量。在这种情况下,有两个变量,第 0 个是 gamma,第一个是 beta,但这可能会随着不同的实现而改变。

如果您需要特定名称,请使用:

for var in tf.trainable_variables(tf.get_variable_scope().name):
    print(var.name)

【讨论】:

【参考方案2】:

或者,如果您不仅需要访问betagamma 值,还需要控制它们的使用方式,您可以从tf.layers.batch_normalization()False centerscale 并定义自己的比例和偏移功能。像这样:

def batch_norm(self, x, name = 'batch_norm'):
    with tf.variable_scope(name):
        x = tf.layers.batch_normalization(  x,
                                            momentum = .99,
                                            epsilon = .0001,
                                            center = False,
                                            scale = False,
                                            training = self.is_training)

        gamma = tf.get_variable(
            name = 'gamma',
            shape = x.get_shape()[-1],
            initializer = tf.ones_initializer())
        beta = tf.get_variable(
            name = 'beta',
            shape = x.get_shape()[-1],
            initializer = tf.zeros_initializer())

        x = gamma*x + beta

        return x

【讨论】:

以上是关于在 tensorboard 中可视化 batch_norm 参数的主要内容,如果未能解决你的问题,请参考以下文章

如何在 TensorBoard 的一个张量中显示多个特征的分布

keras 在train_on_batch中启用tensorboard

Tensorboard 可视化模型计算图

Tensorboard 可视化模型计算图

在Keras中使用tensorboard可视化acc等曲线

Tensorboard 图片特征图权重参数可视化