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/