python - Tensorflow (1.4.1) Tensorboard 可视化图可以追溯到过去吗？

Question

我在整个图表中创建了一些摘要操作，如下所示:

tf.summary.scalar('cross_entropy', cross_entropy)
tf.summary.scalar('accuracy', accuracy)

当然合并并得到了一个作者:

sess = tf.InteractiveSession()
summaries = tf.summary.merge_all()
train_writer = tf.summary.FileWriter(TENSORBOARD_TRAINING_DIR, sess.graph)
tf.global_variables_initializer().run()

我在每次训练迭代中写下这些:

summary, acc = sess.run([summaries, accuracy], feed_dict={...})
train_writer.add_summary(summary, i)

当我加载张量板时，我得到了一些奇怪的结果:

这很奇怪有几个原因:

1. cross_entropy 图表上的 Y 轴没有增加(或不同)的刻度线
2. 线图似乎会自行折回或回到过去

我确实检查过 - 我的训练摘要文件夹中有一些以前的事件文件:

$ ls /tmp/tv_train/
events.out.tfevents.1517210066.xxxxxxx.local    
events.out.tfevents.1517210097.xxxxxxx.local    
...
events.out.tfevents.1517210392.xxxxxxx.local

我想我一定是在某个时候重新启动了训练循环，导致在 (0、1 等) 索引处记录了多个摘要。

如何附加到旧的训练日志？我能否将作者指向特定的 tfevents 文件以“从我离开的地方开始”？

Answer 1

您不能(轻松地)重新打开并“附加”到现有的事件文件，但这不是必需的。 Tensorboard 会很好地显示顺序事件文件，只要记录中的步长值一致。 保存摘要时，您指定了一个 step 值，该值指示应在 x 轴上的哪个点绘制摘要。

图表会“回到过去”，因为在每次新的运行中，您都会从 0 重新启动计步器。要使其在多次运行中保持一致，您应该定义一个 global_step 变量，该变量保存到保存网络时的检查点。这样，当您在下一次训练运行中恢复网络时，您的全局步骤将从它离开的地方开始，您的图表将不再看起来很奇怪。