我正在进行一项非常长的训练（强化学习，每步20M），每10k步写一次总结。在步骤4M和6M之间，我在TensorBoard标量图表中看到了2个峰值来获得游戏分数，然后我让它运行并进入睡眠状态。在早上，它在大约12M步骤运行，但我之前看到的步骤4M和6M之间的峰值从图表中消失了。我试图放大并发现TensorBoard（随机？）跳过了一些数据点。我还尝试导出数据，但导出的.csv中也缺少包括峰值在内的一些数据点。
我寻找答案，并在TensorFlow github页面中找到了这个：
TensorBoard使用油藏采样对数据进行降采样，以便将其加载到RAM中。您可以在tensorboard / backend / server.py中修改每个标签保留的元素数量。
有没有人修改过这个server.py文件？我在哪里可以找到该文件，如果我从源代码安装了TensorFlow，我是否必须在修改文件后重新编译它？
答案 0 :(得分：12)
评论已过期 - 实际上可以在tensorboard / backend / application.py中修改＆＃34;默认大小指南＆＃34;。默认情况下，它存储1000个标量。您可以任意增加该限制，或将其设置为0以存储每个标量。
您不需要重新编译TensorBoard，甚至无需从源代码下载。您可以自己在TensorBoard中修改此文件。
如果您在virtualenv（ubuntu，mac）中使用pip安装TensorFlow，那么在您的virtualenv目录中，application.py的路径应该类似于lib/python2.7/site-packages/tensorflow/tensorboard/backend。如果您修改该文件，则应在tensorboard中获取新设置（当您在该virtualenv中运行tensorboard时）。如果您喜欢我，那么您也会打印一份打印声明，以确保您能够运行修改后的代码：）
答案 1 :(得分：7)
您不必为此更改源代码，有一个名为--samples_per_plugin的标志。
从帮助命令引用
-samples_per_plugin：可选的以逗号分隔的plugin_name = num_samples对列表，用于显式 指定该插件的每个标签要保留多少个样本。对于未指定的插件，TensorBoard 随机将记录的摘要降采样到合理的值，以防止长时间的内存不足错误 正在运行的工作。该标志允许对该下采样进行精细控制。请注意，0表示保留全部 该类型的样本。例如，“标量= 500，图像= 0”保留500个标量和所有图像。最 用户无需设置此标志。 （默认：“”）
因此，如果您希望具有100张图像的滑块，请使用：
tensorboard --samples_per_plugin images=100