web-dev-qa-db-ja.com

TensorboardをTensorflow推定プロセスに追加する方法

提供されたアワビの例を取り上げ、理解したことを確認しました。しかし、私が取り組んでいる別の推定プロジェクトとして、完全なゴミを生成しています-私はテンソルボードを追加しようとしたので、何が起こっているのか理解できます。

基本コードは https://www.tensorflow.org/extend/estimators です

セッションとライターを追加しました

    # Set model params
    model_params = {"learning_rate": 0.01}
    with  tf.Session ()   as  sess: 
        # Instantiate Estimator
        nn = tf.contrib.learn.Estimator(model_fn=model_fn, params=model_params)
        writer  =  tf.summary.FileWriter ( '/tmp/ab_tf' ,  sess.graph)
        nn.fit(x=training_set.data, y=training_set.target, steps=5000)   
        # Score accuracy
        ev = nn.evaluate(x=test_set.data, y=test_set.target, steps=1)


And added 1 line in the model_fn function so it looks like this...


def model_fn(features, targets, mode, params):
  """Model function for Estimator."""

  # Connect the first hidden layer to input layer
  # (features) with relu activation
  first_hidden_layer = tf.contrib.layers.relu(features, 49)

  # Connect the second hidden layer to first hidden layer with relu
  second_hidden_layer = tf.contrib.layers.relu(first_hidden_layer, 49)

  # Connect the output layer to second hidden layer (no activation fn)
  output_layer = tf.contrib.layers.linear(second_hidden_layer, 1)

  # Reshape output layer to 1-dim Tensor to return predictions
  predictions = tf.reshape(output_layer, [-1])
  predictions_dict = {"ages": predictions}

  # Calculate loss using mean squared error
  loss = tf.losses.mean_squared_error(targets, predictions)

  # Calculate root mean squared error as additional eval metric
  eval_metric_ops = {
      "rmse": tf.metrics.root_mean_squared_error(
          tf.cast(targets, tf.float64), predictions)
  }

  train_op = tf.contrib.layers.optimize_loss(
      loss=loss,
      global_step=tf.contrib.framework.get_global_step(),
      learning_rate=params["learning_rate"],
      optimizer="SGD")


  tf.summary.scalar('Loss',loss)

  return model_fn_lib.ModelFnOps(
      mode=mode,
      predictions=predictions_dict,
      loss=loss,
      train_op=train_op,
      eval_metric_ops=eval_metric_ops)

最後に追加した

writer.close()

コードを実行すると.../tmp/ab_tfにデータファイルがありますが、このファイルはnullではありません。しかし、サイズはわずか139バイトです...これは、何も書き込まれていないことを意味します。

テンソルボードでこれを開くと、データはありません。

私は何を間違えていますか？

入力に感謝します...

pythontensorflowtensorboard
13
Tim Seed

実際、推定器の要約ライターをセットアップする必要はありません。要約ログは、推定器のmodel_dirに書き込まれます。

estimatorのmodel_dirが「./tmp/model」であるとしましょう。tensorboard--logdir =。/ tmp/modelを使用して概要を表示できます

16
jccf091

私はあなたとまったく同じことをしようとしていました。最後に、model_dirをパラメーターとして次のようにクラスコンストラクターに渡す必要があることがわかりました。

# Instantiate Estimator
nn = tf.contrib.learn.Estimator(model_fn=model_fn,
        params=model_params, 
        model_dir=FLAGS.log_dir)

TensorFlow APIで文書化されたこれをここで見ることができます： https://www.tensorflow.org/api_docs/python/tf/contrib/learn/Estimator

10
eibarra