Tensorflow 如何使用estimator API添加有关tensorboard的更多详细信息

我模仿我的模型

我在模型中添加了SummarySaverHook

    summary_hook = tf.train.SummarySaverHook(
    100,
    output_dir='C:/Users/dir',
    summary_op=tf.summary.merge_all())

# Configure the Training Op (for TRAIN mode)
if mode == tf.estimator.ModeKeys.TRAIN:
    optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
    train_op = optimizer.minimize(
        loss=loss,
        global_step=tf.train.get_global_step())
    return tf.estimator.EstimatorSpec(mode=mode, loss=loss, train_op=train_op, training_hooks=[summary_hook])

但当我运行get only enqueue_输入图表时，我不知道它是什么和模型图。我想要准确度和损失图表

所以我想在我的张力板上有一些细节

损耗和准确度 及时得到准确度图表是可能的，因为在估计器中，我只在最后一步后得到准确度。 我可以在tensorboard中获得更多细节，比如错误的预测图像吗？但是没有会话和图形创建，仅仅从估计器api？

---

首先，您不需要使用summary\u hook。您只需要在指定logits之后立即使用tf.metrics指定所需的度量

 logits = tf.layers.dense(inputs=dropout, units=10)

 predictions = {
          "classes": tf.argmax(input=logits, axis=1),
          "probabilities": tf.nn.softmax(logits, name="softmax_tensor")
 }

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

把这个 tf.logging.set_verbositytf.logging.INFO 就在你的输入之后，如果你还没有这样做的话

您可以通过将eval_metric_ops={'accurity'：accurity}dict插入tf.estimator.estimator spec来绘制评估指标

您可以使用tf.summary可视化图像、权重和偏差等