Question

你好，我是TensorBoard和tf.metrics.accuracy（）的新手

（我是中国人，所以我的英语可能不太好，我会尝试描述我的问题）

为方便起见，我只写关键代码 现在我遇到了一个问题，即每个纪元都将火车和val精度保存到TensorBoard，而且我的数据量很大，所以我使用了批处理数据。

我完成的是：

1）获取数据集

现在，我使用

train_iterator = train_dataset.make_initializable_iterator()
val_iterator = val_dataset.make_initializable_iterator()

handle = tf.placeholder(tf.string, shape=[])
iterator = tf.data.Iterator.from_string_handle(handle, train_iterator.output_types,
                                                       train_iterator.output_shapes)
image_batch, label_batch = iterator.get_next()

获取数据集，我可以使用tp.Session（）在两个数据集之间切换

sess.run([train_iterator.initializer, accuracy_vars_initializer])

和

sess.run([val_iterator.initializer, accuracy_vars_initializer])

2）计算准确性

with tf.name_scope("meters"):
    accuracy, accuracy_op = tf.metrics.accuracy(labels=label_batch,
                                                predictions=tf.argmax(tf.nn.softmax(logits_batch), -1),
                                                name="accuracy")
    accuracy_value_ = tf.placeholder(tf.float32, shape=())
    accuracy_summary = tf.summary.scalar('accuracy', accuracy_value_)

accuracy_vars = tf.get_collection(tf.GraphKeys.LOCAL_VARIABLES, scope="meters/accuracy")  
accuracy_vars_initializer = tf.variables_initializer(var_list=accuracy_vars)

我使用

sess.run(accuracy_vars_initializer)

在整个火车/ val数据集的火车/ val过程之前，以在tf.metrics.accuracy（）内设置内部计数值那我想用

for epoch_i in range(FLAGS.epoch):
    sess.run([train_iterator.initializer, accuracy_vars_initializer])
        train_loss_avg, train_acc_avg = [], []
        while True:
            try:
                _, loss_value, step, acc_value, acc_op_value, summary = sess.run(
                    [train_op, loss, global_step, accuracy, accuracy_op, merged],
                    feed_dict={handle: train_iterator_handle,
                               accuracy_value_: np.average(train_acc_avg),
                               loss_value_: np.average(train_loss_avg)})
                train_acc_avg.append(acc_value)
                train_loss_avg.append(loss_value)
            except tf.errors.OutOfRangeError:
                train_writer.add_summary(summary, global_step=step)
                saver.save(sess, os.path.join(FLAGS.model_dir, "fcn8.ckpt"), global_step)
                print("train dataset finished")
                break

        sess.run([val_iterator.initializer, accuracy_vars_initializer])
        val_loss_avg = []
        while True:
            try:
                loss_value, acc_value, acc_op_value, summary = sess.run(
                    [loss, accuracy, accuracy_op, merged], feed_dict={handle: val_iterator_handle,
                                                                      accuracy_value_: acc_op_value,
                                                                      loss_value_: np.average(val_loss_avg)})

                print("Epoch[%d],val batch loss = %g,acc = %g." % (epoch_i, loss_value, acc_value))
                val_loss_avg.append(loss_value)
            except tf.errors.OutOfRangeError:
                val_writer.add_summary(summary, global_step=step)
                print("val dataset finished")
                break
    train_writer.close()
    val_writer.close()

实现我的目标。

我之前使用的精度计算方法很简单

feed_dict={handle: train_iterator_handle,
accuracy_value_: accuracy_op,
loss_value_: np.average(train_loss_avg)})

但是新旧方法都将在TensorBoard中产生水平精度线。而且我多次改进了代码，但问题仍然存在

有人可以帮我找到原因吗？有没有更好的，标准化的方法来组织代码？因为现在太复杂了。

非常感谢您的帮助。

如何分别计算整个火车数据集和val数据集的准确性

0 个答案: