tensorboard实现同时显示训练曲线和测试曲线

yipeiwu_com6年前Python基础

在做网络训练实验时,有时需要同时将训练曲线和测试曲线一起显示,便于观察网络训练效果。经过很多次踩坑后,终于解决了。

具体的方法是:设置两个writer,一个用于写训练的数据,一个用于写测试数据,并且这两个writer分别存在train和test路径中,注意测试的writer不能加sess.graph如下代码所示。

...
train_log_dir = 'logs/train/'
test_log_dir = 'logs/test/' # 两者路径不同
megred = tf.summary.merge_all()
with tf.Session() as sess:
 writer_train = tf.summary.FileWriter(train_log_dir,sess.graph)
 writer_test = tf.summary.FileWriter(test_log_dir) # 注意此处不需要sess.graph
 ...other code...
 writer_train.add_summary(summary_str_train,step)
 writer_test.add_summary(summary_str_test,step)

此处贴一个使用mnist测试的图片,如图所示,在左下角可以通过test和train的选项卡选择查看哪条曲线。

以上这篇tensorboard实现同时显示训练曲线和测试曲线就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

相关文章

python实现归并排序算法

归并排序是典型的分治法的应用 思想:先递归分解数组,再合并数组 原理:将数组分解最小之后,然后合并两个有序数组,基本思想是比较两个数组的最前面的数,谁小就取谁,取完后,将相应的指针后移以...

pytorch实现用Resnet提取特征并保存为txt文件的方法

接触pytorch一天,发现pytorch上手的确比TensorFlow更快。可以更方便地实现用预训练的网络提特征。 以下是提取一张jpg图像的特征的程序: # -*- coding...

python 将字符串转换成字典dict

复制代码 代码如下:JSON到字典转化:dictinfo = simplejson.loads(json_str) 输出dict类型 字典到JSON转化:jsoninfo = simpl...

pytorch 图像中的数据预处理和批标准化实例

目前数据预处理最常见的方法就是中心化和标准化。 中心化相当于修正数据的中心位置,实现方法非常简单,就是在每个特征维度上减去对应的均值,最后得到 0 均值的特征。 标准化也非常简单,在数据...

Python的collections模块中的OrderedDict有序字典

如同这个数据结构的名称所说的那样,它记录了每个键值对添加的顺序。 d = OrderedDict() d['a'] = 1 d['b'] = 10 d['c'] = 8 for le...