tensorboard还是一个很好的工具,可以图形化看到训练模型相关的数据
-
SCALARS
一些指标数据的趋势图,比如accuracy,loss等
这个图比较直观,也简单易懂
下图为epoch accuracy趋势图样例
-
GRAPHS
model的计算图,基本反应出model中的各个layer和计算过程,
下图为model的graphs样例
-
HISTOGRAMS
直方图,它反馈的是每一轮batch中的参数分布情况
其中,
x轴为训练出的参数值范围,
y轴为分布出现的次数,次数越多,y轴就越高
z轴为时间轴,越往后时间越早,图上颜色就越深
-
DISTRIBUTIONS
分布图,它其实是直方图的俯视角度
过拟合的特征
如果对过拟合也设计一套特征,可能有如下几种
1. SCALARS双分歧
一般来说我们都会观测epoch accuracy和epoch loss,如果训练结果上这两个图的train和test存在了分歧,
- epoch accuracy上validation明显低于train
- epoch loss上validation明显高与train
那么可能存在了过拟合
2. HISTOGRAMS边缘化
如果从直方图来看,部分参数经过训练越发边缘化,可能也存在过拟合