我正在尝试使用 Tensorboard 来可视化我的训练过程。我的目的是,当每个 epoch 完成时,我想使用整个验证数据集测试网络的准确性,并将此准确性结果存储到摘要文件中,以便我可以在 Tensorboard 中将其可视化。
我知道 Tensorflow 有 summary_op
这样做,但是在运行代码 sess.run(summary_op)
时它似乎只适用于一批.我需要计算 的准确度整体数据集。如何?
有什么例子可以做到吗?
最佳答案
定义一个 tf.scalar_summary
接受占位符:
accuracy_value_ = tf.placeholder(tf.float32, shape=())
accuracy_summary = tf.scalar_summary('accuracy', accuracy_value_)
然后计算整个数据集的准确率(定义一个例程,计算数据集中每个批处理的准确率并提取平均值)并将其保存到python变量中,我们称之为
va
.一旦你有了
va
的值,只需运行 accuracy_summary
操作,喂食accuracy_value_
占位符:sess.run(accuracy_summary, feed_dict={accuracy_value_: va})
关于tensorflow - 在 Tensorflow 中添加整个训练/测试数据集的准确性摘要,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40739639/