TensorBoard 记录统计数据与训练分开

Posted 2023-03-27

【中文标题】TensorBoard 记录统计数据与训练分开

【英文标题】：TensorBoard recording stats separate from training

【发布时间】：2018-11-20 00:19:41

【问题描述】：

我正在尝试使用 TensorBoard 显示神经网络训练运行的一些图表。 （即训练期间的测试和验证准确度图，而不仅仅是网络结构。）有一些例子code

以及本网站上的一些问题，所有这些似乎都遵循与示例代码相同的模式。也就是说，模式总是围绕着类似

summary, _ = sess.run([merged, train_step], ...

所以基本上，运行训练步骤和记录统计数据以显示图表的操作被混为一谈。

就目前而言这很好，但我正在尝试将图表改进为现有程序，该程序不可避免地会以稍微不同的方式做事，因此示例代码不会按原样工作。我真正想做的是隔离一些只记录统计数据的代码，与现有代码分开来进行训练。

您如何在主训练循环中记录 TensorBoard 的统计数据，但与进行训练的代码分开？

【问题讨论】：

换句话说，在每个训练步骤中，您都会运行一些代码，这些代码最终会返回一些标量值（称为准确度），并且您想使用单独的sess.run(...) 将其写入张量板摘要，我明白了吗你的问题正确吗？

@openmark 在每个训练步骤中，我都会运行一些最终返回标量值的代码，并且我想在单独的代码行中将其写入张量板摘要中，是的。编写张量板摘要是否有理由需要涉及sess.run？如果是这样，那么是的，在单独的调用中。

【参考方案1】：

您可以手动创建存储标量值的tf.Summary 对象并将其传递给tf.summary.FileWriter，如下例所示：

summary_writer = tf.summary.FileWriter("path_to_log_dir")
# ...
for i in range(max_training_steps):
  # compute the values of interest
  scalar_value_1 = ...
  # ...
  scalar_value_n = ...

  # manually create tf.Summary object
  summary = tf.Summary(
    value=[tf.Summary.Value(tag="Metrics_1", simple_value=scalar_value_1),
           # ...
           tf.Summary.Value(tag="Metrics_n", simple_value=scalar_value_n)])
  summary_writer.add_summary(summary, i)
# ...
summary_writer.close()

或者，您可以使用tf.placeholder 作为张量来定义tf.summary.scalar() 操作并在运行时提供实际值：

scalar_pl_1 = tf.placeholder(tf.float32)
tf.summary.scalar("Metrics_1", scalar_pl_1)
# ...
scalar_pl_n = tf.placeholder(tf.float32)
tf.summary.scalar("Metrics_n", scalar_pl_n)

# Merge all summaries
merged = tf.summary.merge_all()

summary_writer = tf.summary.FileWriter("path_to_log_dir")

with tf.Session() as sess:
  for i in range(max_training_steps):
    # compute scalar values of interest
    scalar_value_1 = ...
    scalar_value_n = ...

    feed_dict = scalar_pl_1: scalar_value_1, scalar_pl_n: scalar_value_n
    summary = sess.run(merged, feed_dict=feed_dict)
    summary_writer.add_summary(summary, i)
# ...
summary_writer.close()