Logging 使用Tensorflow估计器打印额外的训练度量

在使用估计器API时，是否有办法让Tensorflow打印额外的培训指标（例如批量精度）

可以在Tensorboard中添加摘要并查看结果（参见另一篇文章），但我想知道是否有一种优雅的方法可以在训练时打印标量摘要值。培训损失已经发生，例如：

loss = 0.672677, step = 2901 (52.995 sec)

但是如果有，那就太好了

loss = 0.672677, accuracy = 0.54678, step = 2901 (52.995 sec)

---

没有太多麻烦。我知道，大多数情况下，绘制测试集精度更有用（我已经在使用验证监视器进行此操作），但在这种情况下，我也对训练批精度感兴趣。

根据我所读的内容，不可能通过传递参数来更改它。 您可以尝试创建一个日志挂钩，并将其传递到estimator run

在估算器的

模型fn

函数体中：

logging_hook = tf.train.LoggingTensorHook({"loss" : loss, 
    "accuracy" : accuracy}, every_n_iter=10)

# Rest of the function

return tf.estimator.EstimatorSpec(
    ...params...
    training_hooks = [logging_hook])

编辑：

要查看输出，还必须将日志详细性设置得足够高（除非是默认设置）：

tf.logging.set\u详细信息（tf.logging.INFO）

您还可以使用查看所需度量的一些图形。为此，将度量添加到TensorFlow摘要中，如下所示：

accuracy = tf.metrics.accuracy(labels=labels, predictions=predictions["classes"])
tf.summary.scalar('accuracy', accuracy[1])

当您使用

tf.estimator.estimator

时，最酷的事情是您不需要将摘要添加到

FileWriter

，因为它是自动完成的（默认情况下定期合并和保存它们-平均每100步一次）

也不要忘记根据刚才添加的

精度

参数更改此行：

eval_metric_ops = { "accuracy": accuracy }
return tf.estimator.EstimatorSpec(
    mode=mode, loss=loss, eval_metric_ops=eval_metric_ops)

要查看张力板，您需要打开一个新端子并键入：

tensorboard --logdir={$MODEL_DIR}

之后，您将能够在浏览器中的

localhost:6006

上看到图形。您尝试过吗？这是伟大的记录任何指标，参数，然后搜索和比较他们很容易

---

非常容易。

我需要像这样计算精度：

accurity=tf.metrics.accurity（标签=标签，预测=预测[“类]）

然后只传递精度值（不带精度op）如下：

logging\u hook=tf.train.LoggingTensorHook（{“损失”：损失，精度：精度[1]}，每10次）

为了让它工作。请注意，您需要像这样传递整个精度（作为元组）：

eval\u metric\u ops={“accurity”：accurity}

返回tf.estimator.estimator spec（mode=mode，loss=loss，eval\u metric\u ops=eval\u metric\u ops）我认为这是“精度[0]”而不是“精度[1]”我正在尝试这个解决方案，但我实际上得到了一个奇怪的错误：“Passed应该具有与当前图形相等的graph属性”。这是什么意思？检查你的张量是否来自模型_fn中定义的图形部分（不是这个函数之外的某个地方）。这不是一个直接的答案，但我认为这比用信息填充你的终端效果更好。在我看来，Tensorboard比TerminalBoard更适合观察指标，这在哪里有记录？“合并它们并保存100步默认值”如何对训练中的通用张量执行此操作？“eval_metric_ops”eval是在not train中，还是“eval_metric_ops”的其他语义含义？eval_metric_ops有什么作用？

eval_metric_ops

是一个可选的度量词典，您可以提供给您的自定义估计器，以便在评估中使用这些度量-检查此处的文档：