我正在尝试使用张量板来观察卷积神经网络的学习。我对tf.summary.merge_all函数做的很好,可以创建一个合并的摘要。但是,我想跟踪培训和测试数据的准确性和损失。这篇文章很有用:Logging training and validation loss in tensorboard。为了使事情更容易处理,我想将我的摘要合并成两个合并的摘要,一个用于训练和一个用于验证(最终我会添加更多的东西,比如图像权重等)。我试图遵循来自张力板tf.summary.merge的描述。我无法做到这一点,我无法找到任何有用的例子来帮助我理解我的错在哪里。无法在tensorboard中使用summary.merge进行单独的培训和评估摘要
with tf.name_scope('accuracy'):
correct_prediction = tf.equal(tf.argmax(y_logits, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, 'float'))
tf.summary.scalar('accuracy', accuracy)
tf.summary.scalar('train_accuracy', accuracy)
with tf.name_scope('Cost'):
cross_entropy = tf.reduce_mean(
tf.nn.softmax_cross_entropy_with_logits(logits=y_logits, labels=y))
opt = tf.train.AdamOptimizer()
optimizer = opt.minimize(cross_entropy)
grads = opt.compute_gradients(cross_entropy, [b_fc_loc2])
tf.summary.scalar('cost', cross_entropy)
tf.summary.scalar('train_cost', cross_entropy)
with tf.Session() as sess:
writer = tf.summary.FileWriter('./logs/mnistlogs/1f', sess.graph)
sess.run(tf.global_variables_initializer())
merged = tf.summary.merge([cost, accuracy])
这将导致以下错误:
InvalidArgumentError (see above for traceback): Could not parse one of the summary inputs [[Node: Merge/MergeSummary = MergeSummary[N=2, _device="/job:localhost/replica:0/task:0/cpu:0"](Merge/MergeSummary/inputs_0, Merge/MergeSummary/inputs_1)]]
我想知道为什么会这样是不行的,我怎么能找到解决的办法,任何工作实施赞赏。
此:https://stackoverflow.com/questions/40722413/how-to-use-several-summary-collections-in-tensorflow 也是一个很好的方法,如果你想绘制两个独特的总结小组。 – Maikefer