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 beta 和 gamma 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 beta 和 gamma 来做到这一点,因为它们是定义和管理的在tf.layers.batch_normalization
或tf.contrib.layers.batch_norm
内。
有没有一种简单的方法来引用 beta 和 gamma 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gamma
和beta
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beta
和gamma
值,还需要控制它们的使用方式,您可以从tf.layers.batch_normalization()
中False
center
和scale
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