如何使用 image_summary 在 TensorFlow 中查看不同批次的图像？答案

【问题标题】：How to use image_summary to view images from different batches in Tensorflow?如何使用 image_summary 在 TensorFlow 中查看不同批次的图像？
【发布时间】：2016-01-26 01:39:45
【问题描述】：

我很好奇 image_summary 的工作原理。有一个名为 max_images 的参数，它控制要显示的图像数量。但是，摘要似乎只显示一批图像。如果我们使用更大的 max_iamges 值，我们只会从批次中查看更多图像。有没有一种方法可以查看例如每批中的一张图片？

【问题讨论】：

标签： python deep-learning tensorflow

【解决方案1】：

要查看每批中的一张图像，您需要在每次运行步骤时获取tf.image_summary() 操作的结果。例如，如果您有以下设置：

images = ...
loss = ...
optimizer = ...

train_op = optimizer.minimize(loss)
init_op = tf.initialize_all_variables()
image_summary_t = tf.image_summary(images.name, images, max_images=1)

sess = tf.Session()
summary_writer = tf.train.SummaryWriter(...)
sess.run(init_op)

...您可以将训练循环设置为每次迭代捕获一张图像，如下所示：

for _ in range(10000):
    _, image_summary = sess.run([train_op, image_summary_t])
    summary_writer.add_summary(image_summary)

请注意，捕获每个批次的摘要可能效率低下，您可能应该只定期捕获摘要以加快训练速度。

编辑： 上面的代码为每个图像编写了一个单独的摘要，因此您的日志将包含所有图像，但它们不会全部在 TensorBoard 中可视化。如果您想组合摘要以可视化来自多个批次的图像，您可以执行以下操作：

combined_summary = tf.Summary()
for i in range(10000):
    _, image_summary = sess.run([train_op, image_summary_t])
    combined_summary.MergeFromString(image_summary)
    if i % 10 == 0:
        summary_writer.add_summary(combined_summary)
        combined_summary = tf.Summary()

【讨论】：

我试过你的方法，但它只显示了一张图片。我想知道你的结果是什么样的？
我在评论中添加了一些内容，可能会帮助您可视化不同的图像。
感谢您的笔记，但它似乎仍然无法正常工作。日志文件只有 820k，可以包含这么多图像。顺便说一句，我可以找到关于 tf.Summary() 和 MergeFromString 方法的参考，这是唯一的方法吗？
也许您需要一个summary_writer.flush() 电话？ MergeFromString() 是一个 protobuf 库方法。您还可以尝试将每个批次中的一个图像累积到 tf.FIFOQueue 中，并使用 dequeue_many() 来组装来自不同批次的图像张量。
@mrry 你能在.MergeFromString 上花点钱吗？例如，假设您在训练循环之外的范围内为权重张量 [32,5,5,3] 定义了 image_summary。并且您正在提供一个合并的对象，它是所有摘要的组合 (merge_all_summaries())。你会在哪里写你的代码 MergeFromString ？您希望最后有 320 张图像（每 100 步 32 张图像）。

【解决方案2】：

我能够通过为每个批次创建一个新的image_summary 操作来解决这个问题。即我从看起来像这样的东西出发：

train_writer = tf.train.SummaryWriter('summary_dir')
img = tf.image_summary("fooImage", img_data)
for i in range(N_BATCHES):
  summary, _ = sess.run([img, train_step])
  train_writer.add_summary(summary, i)

（令人沮丧的是，这并没有达到我的预期。）为了......

train_writer = tf.train.SummaryWriter('summary_dir')
for i in range(N_BATCHES):
  # Images are sorted in lexicographic order, so zero-pad the name
  img = tf.image_summary("fooImage{:06d}".format(i), img_data)
  summary, _ = sess.run([img, train_step])
  train_writer.add_summary(summary)

【讨论】：