Question

总之，我希望能够在实时学习时可视化列车/测试数据

下面是我目前可视化进展的方式：

batch_size = 100
epochs = 30
init = tf.global_variables_initializer()
samples = []

with tf.Session() as sess:    
    sess.run(init)    
        for epoch in range(epochs):        
        num_batches = mnist.train.num_examples // batch_size

        for i in range(num_batches):            
            batch = mnist.train.next_batch(batch_size)            
            batch_images = batch[0].reshape((batch_size, 784))
            batch_images = batch_images * 2 -1            
            batch_z = np.random.uniform(-1,1,size=(batch_size, 100))

            _ = sess.run(D_trainer, feed_dict={real_images:batch_images,    
                                               z:batch_z})
            _ = sess.run(G_trainer, feed_dict={z:batch_z})
        print("ON EPOCH {}".format(epoch))

        sample_z = np.random.uniform(-1,1, size=(1, 100))
        gen_samples = sess.run(generator(z, reuse=True),
                               feed_dict={z:sample_z})    
        samples.append(gen_samples)

new_samples = []
#saver = tf.train.Saver(var_list=g_vars)

with tf.Session() as sess:   
    #saver.restore(sess,"...")

    for x in range(5):
        sample_z = np.random.uniform(-1,1, size=(1, 100))
        gen_samples = sess.run(generator(z, reuse=True),
                               feed_dict={z:sample_z})        
        new_samples.append(gen_samples)       
plt.imshow(new_samples[0].reshape(28,28))

这就是我通过实时情感分析实时图形化图形的方法在另一个终端上运行它。

import matplotlib.pyplot as plt
import matplotlib.animation as animation
from matplotlib import style
import time

style.use("ggplot")

fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)

def animate(i):
    pullData = open("twitter-out.txt","r").read()
    lines = pullData.split('\n')

    xar = []
    yar = []

    x = 0
    y = 0

    for l in lines[-200:]:
        x += 1
        if "pos" in l:
            y += 1
        elif "neg" in l:
            y -= 1

        xar.append(x)
        yar.append(y)

    ax1.clear()
    ax1.plot(xar,yar)
ani = animation.FuncAnimation(fig, animate, interval=1000)
plt.show()

我还附上了一个Youtube链接，以进一步明确我遇到的问题。我希望能够在训练时看到和听到图像/语音。

Starts at 1:10:23 - 1:11:03

Generating Real-time RNN-LSTM

Answer 1

如果您对训练曲线感兴趣，请查看以下帖子：Keras + TensorFlow Realtime training chart（其中我推荐我的包livelossplot）。

从我的Starting deep learning hands-on: image classification on CIFAR-10教程中，我坚持要跟踪两者：

全球指标（对数损失，准确度），
示例（正确和错误地对案例进行分类）。

后者可以帮助我们了解哪种模式存在问题，并且在很多场合帮助我改变网络（或补充训练数据，如果是这样的话）。

示例如何工作（此处为Neptune，但您可以在Jupyter Notebook中手动执行，或使用TensorBoard图片频道）：

然后查看具体的例子，以及预测的概率：

完整免责声明：我与deepsense.ai，创作者或Neptune - Machine Learning Lab合作。

您如何在机器学习中可视化或绘制实时培训/测试数据？

1 个答案: