Question

返回before 2016-11-30我可以使用类似下面的TensorFlow / TensorBoard代码创建一个包含变量＆amp; global_step_at_epoch＆＃39;这显示了我的模型运行的每个时代达到的全球步骤。

但是，如果将scalar_summary替换为summary.scalar，如下所示，我会为每个纪元获得一个新的范围。因此，在完成n个时期之后，我会获得范围和TensorBoard面板，以获得＆＃39; global_step_at_epoch＆＃39; global_step_at_epoch_1＆＃39; global_step_at_epoch_2＆＃39;，... 。＆＃39; global_step_at_epoch_n＆＃39;，每个都有一个点。

如何从scalar_summary迁移到summary.scalar，以便下面的代码（或类似代码）生成将所有单个范围合并为一个，因为scalar_summary用于办？

global_step = tf.Variable(0, trainable=False, name='global_step')
test_writer = tf.summary.FileWriter(...)

with tf.Session(config=tf.ConfigProto(allow_soft_placement=True,
                                      log_device_placement=FLAGS.log_device_placement)) as sess:
    sess.run(tf.initialize_all_variables())

    test_writer.add_summary(sess.run(tf.summary.scalar('global_step_at_epoch', 0)), 0)

    for ep in range(epochs):

        mini_batches = ...

        for mini_batch in mini_batches:

            gs = int(sess.run(global_step))

        test_writer.add_summary(sess.run(tf.summary.scalar('global_step_at_epoch', gs)), ep + 1)

Answer 1

我不确定它以前是如何工作的，但是目前使用摘要与其他节点的使用非常一致，因为你在构建阶段创建了一次摘要，然后在一个构建阶段重复调用它。培训期间Session。

将此应用于您的示例，这可能会给出：

global_step = tf.Variable(0, trainable=False, name='global_step')
test_writer = tf.summary.FileWriter(...)
# create summary op once here
gs_summary = tf.summary.scalar('global_step_at_epoch', global_step)

with tf.Session(config=tf.ConfigProto(allow_soft_placement=True,
                                      log_device_placement=FLAGS.log_device_placement)) as sess:
    sess.run(tf.initialize_all_variables())
    test_writer.add_summary(sess.run(gs_summary), 0)
    for ep in range(epochs):
        mini_batches = ...
        for mini_batch in mini_batches:
            gs = int(sess.run(global_step))
        test_writer.add_summary(sess.run(gs_summary), ep + 1)

Answer 2

这已经可以通过tf.name_scope上下文管理器完成，方法是在第一次使用管理器时命名管理器，当您希望将新项目添加到现有范围时再次起诉它（没有＆＃34;扩散＆＃34）：

with tf.name_scope('foo') as a_scope:
   # some graph elements A

# Elsewhere ...

with tf.name_scope(a_scope):
  # additional graph elements B

这会将A和B元素放在一个范围'foo'中，而

with tf.name_scope('foo') as:
   # some graph elements A

with tf.name_scope('foo'):
  # additional graph elements B

会将元素分别放在不同的范围foo和foo_1中。

如何防止摘要（或范围）＆＃34;扩散＆＃34;从tf.scalar_summary迁移到tf.summary.scalar？

2 个答案: