使用Tensorflow Estimator打印额外的培训指标

作者: v-star*위위
发布时间: 2025-01-15 12:09:19 (22天前)
转自：

3 条回复

0#
回复此人
小它．Little it | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 根据我的阅读，不可能通过传递参数来改变它。您可以尝试通过创建日志记录挂钩并将其传递到估算器运行来完成。 </p> <P> 在体内 <code> model_fn </code> 估算器的功能： </p> <pre> <code> logging_hook = tf.train.LoggingTensorHook({"loss" : loss, "accuracy" : accuracy}, every_n_iter=10) # Rest of the function return tf.estimator.EstimatorSpec( ...params... training_hooks = [logging_hook]) </code> </pre> <P> 编辑： </p> <P> 要查看输出，您还必须将日志记录详细程度设置得足够高（除非它是您的默认值）： <code> tf.logging.set_verbosity(tf.logging.INFO) </code> </p> </DIV>

编辑
1#
回复此人
喜欢一个人丶 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 你也可以使用 <a href="https://www.tensorflow.org/guide/summaries_and_tensorboard" rel="nofollow noreferrer"> TensorBoard </A> 查看所需指标的一些图形。为此，请将度量标准添加到TensorFlow摘要，如下所示： </p> <pre> <code> accuracy = tf.metrics.accuracy(labels=labels, predictions=predictions["classes"]) tf.summary.scalar('accuracy', accuracy[1]) </code> </pre> <P> 使用时很酷 <code> tf.estimator.Estimator </code> 是你不需要将摘要添加到a <code> FileWriter </code> ，因为它是自动完成的（默认情况下每100步合并并保存它们）。 </p> <P> 不要忘记改变这一行，基于 <code> accuracy </code> 你刚添加的参数： </p> <pre> <code> eval_metric_ops = { "accuracy": accuracy } return tf.estimator.EstimatorSpec( mode=mode, loss=loss, eval_metric_ops=eval_metric_ops) </code> </pre> <P> 要查看TensorBoard，您需要打开一个新终端并输入： </p> <pre> <code> tensorboard --logdir={$MODEL_DIR} </code> </pre> <P> 之后，您将能够在浏览器中看到图形 <code> localhost:6006 </code> 。 </p> </DIV>

编辑

登录后才能参与评论