我正在开展一个旨在在某些困难情况下检测物体的项目。我在包含特定类型的困难示例的数据集上使用 Mask_RCNN 进行了测试，并且在其中一些示例中做得非常好。
但是当没有明显的原因时，其他一些例子并没有被惊人地发现。要了解这种性能差异背后的原因，我建议使用 Tensorboard 。但后来我意识到它主要用于训练阶段，正如我从video中所理解的那样。
然而，在视频结束时，他们提到了 Tensorboard 的集成项目，即 Tensorflow调试器集成。但遗憾的是，我无法找到有关该功能延续的更多信息。
在推理/评估阶段，有没有办法可视化 CNN 内的权重和激活地图？
答案 0 :(得分：1)
tensorboard的训练和推理时间之间的主要区别是global_step值。大多数图表显示global step作为x轴。如果您愿意，可以提供自己的全局步数计数器，但是在这种情况下，您必须决定x轴应该代表什么，因为＆＃34; time＆＃34;在推理期间，它不是一个真正的逻辑结构。其他标签（例如图片标签）没有时间组件，因此使用它们应与培训期间相同。
tensorflow调试器是一个不错的终端调试器，但与你在这里尝试做的事情无关。它当然不是一个可视化工具。
另一种方法可能是简单地生成您自己的图并使用标准工具（如matplotlib）为每个测试图像输出一组具有所需各种可视化的PDF。我发现像XnView这样的工具可以很容易地查看大量的PDF可视化，以了解正在发生的事情。我已经非常有效地使用了这种方法。如果要快速查看数百或数千个结果，如果只将所有可视化内容转储到目录中，则可能会更容易。