我正在尝试使用 Tensorboard 来可视化我的测试过程。我的目的是，当每个 epoch 完成时，我想使用整个测试数据集来测试网络的准确性，并将此准确性结果存储到摘要文件中，以便我可以在 Tensorboard 中对其进行可视化。
Tensorflow 有 summary_op 来做这件事，但是（所有现有的例子）在运行代码 sess.run(summary_op) 时似乎只适用于一批。我需要计算整个测试数据集的准确性。我该怎么做？
有什么例子可以做到吗？任何帮助将不胜感激。
【问题讨论】：
标签： tensorflow deep-learning tensorflow-datasets
你可以这样计算：
批处理测试数据集以防它太大；例如进入n_test_batches 并从buffer_accuracies = 0.0 之类的缓冲区开始
将批处理精度添加到缓冲区变量buffer_accuracies
最后，当您处理整个测试数据集时，将buffer_accuracies 除以test_batches 的总数
现在您可以将 test_accuracy = buffer_accuracies/n_test_batches 作为常规 python 变量
不，我们可以为该 python 变量创建摘要，如下所示
test_accuracy_summary = tf.Summary()
test_accuracy_summary.add(tag="test_accuracy", simple_value = test_accuracy)
最后将其写入您的 tensorflow FileWriter 例如
test_writer.add_summary(test_accuracy_summary,iteration_step)
【讨论】：