Question

如何向tensorboard添加验证？我已经为图层编写了一个包装器，例如：

def convolution(input_data, kernel_shape, strides, activation, name=None):
    with tf.name_scope(name):
        kernel = tf.Variable(tf.truncated_normal(kernel_shape, stddev=stddev), name="weights")
        bias = tf.Variable(tf.zeros([kernel_shape[-1]]), name="biases")

        conv = tf.nn.conv2d(input=input_data, filter=kernel, strides=strides, padding="SAME", name="convolutions")
        result = activation(tf.nn.bias_add(conv, bias), name="activations")

    tf.scalar_summary(name + "/mean", tf.reduce_mean(kernel))    
    return result

并在summary_op = tf.merge_all_summaries()中使用main。我还实现了train_op和valid_op，它们都调用inference函数。但是，出现错误，我们有scalar_summary的重复标记，即inference和train_op中都使用valid_op，这会导致重复conv1/mean摘要。

我该如何使这项工作？我需要使用相同的函数inference运行训练和验证。

Answer 1

如错误所示，您不能有两个具有相同标记的摘要。在您的情况下会发生这种情况，因为您使用相同的标记调用了tf.scalar_summary两次，一次是在构建train_op时，一次是在构建valid_op时。这是一个可能的解决方案：您可以在inference函数中添加一个标记，例如is_training，以指示正在调用代码来构建训练图的一部分。您必须将该标志线程化为所有图层函数。例如，在convolution中，您应该执行以下操作：

if is_training:
  tf.scalar_summary(name + "/mean", tf.reduce_mean(kernel))
return result

构建train_op时，您会传递is_training=True，而在构建valid_op时，您会传递is_training=False。在Inception模型中有一个这样的编程模式here的例子。

Answer 2

另一种方法是使用不同的名称范围进行摘要，然后通过merge_summary的范围参数过滤它们，而不是merge_all_summaries。

添加验证摘要

2 个答案: