TensorBoard 遇到的坑

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(