TensorBoard 遇到的坑

在不同场景下使用tf.metrics与tensorboard的结合, tensorboard同时显示train和valid的路径设置
摘要由CSDN通过智能技术生成

使用tf.metrics.xx

[主要参考](https://zhuanlan.zhihu.com/p/42438077) 

主要参考这个来理解tf.metrics返回的两个op都是什么意思,以及什么时候使用sess.run(tf.local_variables_initializer())来进行batch的计算和整个数据集评估函数的计算。

返回的op

最简单粗暴来说,都用update_op 就好了。因为第二个执行后一个作用是更新变量,另外会同时返回一个结果,对于tf.metrics.accuracy,就是更新变量后实时计算的accuracy。

以accuracy为例,返回的两个op分别为:

  • accuracy:用来计算accuracy的值的op
  • update_op:用来更新截止上一次sess.run(tf.local_variables_initializer())后的总样本数total和预测对的样本数count,并返回最新accuracy的op。

使用tf.metrics进行train和valid的分别计算

文章里教了如何整体算和batch算,但是没写如何在同一个代码里实现train和valid的metrics计算。这里写一下:

其中tf_metrics为这里下载获得的用于多分类的评估函数

accuracy,accuracy_op = tf.metrics.accuracy(y_i,pre)
precision,precision_op = tf_metrics.precision(
        y_i, pre, num_classes, pos_indices, average=average)

tf.summary.scalar('precision',precision_op)	##只要第二个op就可以了
tf.summary.scalar('accuracy',accuracy_op)
summary_op = tf.summary.merge_all()
with tf.Session() as sess:
        sess.run(tf.initialize_all_variables(
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值