如何在 Tensorboard 中获得像损失图这样的准确图（不是点）？

Question

我想要张量板（不是点...）的连续准确度，例如损失图。

我使用：dnnclassifier model、build_estimator、input_fn、trains 和 eval（就像在 Tensorflow 教程中一样）。

请帮帮我。

def build_estimator(model_dir):
    m = tf.estimator.DNNClassifier(
        model_dir=model_dir,
        feature_columns=deep_columns,
        n_classes=10,
        hidden_units=[512, 256],
        config=tf.contrib.learn.RunConfig(save_checkpoints_secs=1)
    )

    return m

def input_fn(data_file, num_epochs, shuffle):
    labels = data_file['RATING'].astype(int)

    return tf.estimator.inputs.pandas_input_fn(
        x=data_file,
        y=labels,
        batch_size=100,
        num_epochs=num_epochs,
        shuffle=shuffle,
        num_threads=5)

def trains_and_eval( train_data, test_data, train_steps ):
    model_dir = "./board/sample"

    m = build_estimator(model_dir)

    m.train( input_fn=input_fn( train_data, num_epochs=1, shuffle=True), steps=train_steps)

    results = m.evaluate( input_fn=input_fn(test_data, num_epochs=1, shuffle=False), steps=None)

    for key in sorted(results):
        print("%s: %s" % (key, results[key]))

Answer 1

“准确度”图中的每个数据点都是在您调用m.evaluate() 时生成的。由于您只调用了一次m.evaluate()，因此该图仅包含一个点。

修改您的程序以多次调用m.evaluate() 将导致连续绘图。例如，您可以在对m.train() 和m.evaluate() 的调用周围添加一个循环：

for _ in range(10):
  m.train(input_fn=input_fn(train_data, num_epochs=1, shuffle=True),
          steps=train_steps)

  results = m.evaluate(input_fn=input_fn(test_data, num_epochs=1, shuffle=False),
                       steps=None)

最近添加的（在 TensorFlow 1.4 中）tf.estimator.train_and_evaluate() 函数也可能有助于自动化这个过程。