使用tensorboard可視化loss和acc的實例
1.用try...except...避免因版本不同出現(xiàn)導入錯誤問題
try: image_summary = tf.image_summary scalar_summary = tf.scalar_summary histogram_summary = tf.histogram_summary merge_summary = tf.merge_summary SummaryWriter = tf.train.SummaryWriter except: image_summary = tf.summary.image scalar_summary = tf.summary.scalar histogram_summary = tf.summary.histogram merge_summary = tf.summary.merge SummaryWriter = tf.summary.FileWriter
2.將代碼寫入作用域(作用域不影響代碼的運行)
with tf.name_scope('loss'): loss = -tf.reduce_sum(y * tf.log(y_conv)) loss_summary = scalar_summary('loss', loss) with tf.name_scope('accuracy'): accuracy = tf.reduce_mean(tf.cast(correct_prediction, 'float')) acc_summary = scalar_summary('accuracy', accuracy)
3.將要保存的變量存在一起
另外可使用 tf.merge_all_summaries() 或者 tf.summary.merge_all()
merged = merge_summary([loss_summary, acc_summary])
4.定義保存路徑(在sess中完成)
writer = SummaryWriter('save-cnn20/logs', sess.graph)
5.訓練模型的同時訓練變量集合merged(在sess中完成,counter為計數(shù),每訓練一次增加1)
summary, _ = sess.run([merged, train_step], feed_dict={x:x_batch, y:y_batch}) counter += 1 writer.add_summary(summary, counter)
6.訓練完成后在 save/logs 文件夾里面會有一個events.out.開頭的文件,以下通過終端操作。
cd save tensorboard --logdir=logs
終端會出現(xiàn)一個網(wǎng)址,復制到瀏覽器中打開就能看見tensorboard儲存的圖像了。(若打開后無數(shù)據(jù)或圖像,檢查 --logdir后面的文件夾名字是否給錯了。)
以上這篇使用tensorboard可視化loss和acc的實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
Python實現(xiàn)網(wǎng)頁截圖(PyQT5)過程解析
這篇文章主要介紹了Python實現(xiàn)網(wǎng)頁截圖(PyQT5)過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-08-08Python os.mkdir()與os.makedirs()的使用區(qū)別
這篇文章主要介紹了Python os.mkdir()與os.makedirs()的使用區(qū)別,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03Python+wxPython實現(xiàn)文件名批量處理
在日常的文件管理中,我們經(jīng)常需要對文件進行批量處理以符合特定的命名規(guī)則或需求,本文主要介紹了如何使用wxPython進行文件夾中文件名的批量處理,需要的可以參考下2024-04-04