Python 张力板+；tensorflow.slim一起工作

在低级tensorflow API上，我可以使用以下代码绘制直方图

.. some code ..
with tf.name_scope('output_layer'):
    weights = tf.Variable(tf.random_normal([d1, d2], dtype=tf.float32),
                          name='weights')
    biases = tf.Variable(tf.random_normal([d2], dtype=tf.float32), 
                         name='biases')

tf.summary.histogram('output_weights', weights)
tf.summary.histogram('biases', biases)

最近我决定试用

slim

API，我想知道如何在简单和更复杂的情况下管理TensorBoard图

例如，如果我想在以下两个示例中绘制权重的直方图（如

tf.summary.histogram

）和偏差的平均值（如

tf.summary.scalar

），我会怎么做

简单的例子：

with tf.name_scope('output_layer'):
    predictions = slim.fully_connected(inputs, d2)

复杂的例子：

with tf.name_scope('output_layer'):
    predictions = slim.stack(inputs, slim.fully_connected, [32, 64, 128])

---

我认为这样做的标准方法是有这样一个循环，它将为每个层添加权重、偏差、批次规范参数等的分布和直方图：

for variable in slim.get_model_variables():
    tf.summary.histogram(variable.op.name, variable)

---

我怎样才能用这种方法得到重量的平均值？这只是简单地尝试对图表中的每个可训练变量进行柱状图…上述解决方案将为每一层权重提供一个柱状图，这最终是一个（多维）变量--这就是您试图做的，对吗？不，我在问题中说，如果我想得到权重的平均值，或者对特定变量集的任何其他变换，你知道分布仪表板吗？如果中位数对你来说是合适的，那么它已经显示在那里了（使用上面的代码）。否则，只需对变量执行所需的操作，如

tf.reduce\u mean

。我以平均值为例。是的，我想运行一些东西，比如

reduce\u mean

，但为此我需要专门访问一些东西。那么，如果你考虑我的复杂例子，你会如何得到第二层权重的平均值？我知道仪表盘——正如我所说的，这只是一个例子，我可能还需要计算他们的l2范数