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 中可视化它。
我知道 Tensorflow 有summary_op
这样做,但是在运行代码时似乎只适用于一批sess.run(summary_op)
。我需要计算的准确性whole数据集。如何?
有没有什么例子可以做到?
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度(定义一个例程,计算数据集中每个批次的准确度并提取平均值)并将其保存到 python 变量中,我们称之为va
.
一旦你拥有了以下价值va
,只需运行accuracy_summary
OP,喂养accuracy_value_
占位符:
sess.run(accuracy_summary, feed_dict={accuracy_value_: va})
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)