python - online - No se puede usar summary.merge en tensorboard para resúmenes de capacitación y evaluación por separado

tensorflow guide

Question

Estoy tratando de usar tensor para ver el aprendizaje de una red neuronal convolucional. Me está yendo bien con la función tf.summary.merge_all para crear un resumen combinado. Sin embargo, me gustaría tener un seguimiento de la precisión y la pérdida tanto para el entrenamiento como para los datos de prueba. Esta publicación es útil: entrenamiento de registro y pérdida de validación en tensor .

Para facilitar el manejo, me gustaría fusionar mis resúmenes en dos resúmenes fusionados, uno para capacitación y otro para validación. (Voy a agregar más cosas al final, como pesos de imágenes, etc.) Intenté seguir la descripción de tensorboard tf .summary.merge . No puedo hacer que funcione y no puedo encontrar ningún ejemplo de trabajo que me ayude a entender dónde me estoy equivocando.

with tf.name_scope(''accuracy''):
correct_prediction = tf.equal(tf.argmax(y_logits, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, ''float''))
tf.summary.scalar(''accuracy'', accuracy)
tf.summary.scalar(''train_accuracy'', accuracy)
with tf.name_scope(''Cost''):
cross_entropy = tf.reduce_mean(
tf.nn.softmax_cross_entropy_with_logits(logits=y_logits, labels=y))
opt = tf.train.AdamOptimizer()
optimizer = opt.minimize(cross_entropy)
grads = opt.compute_gradients(cross_entropy, [b_fc_loc2])
tf.summary.scalar(''cost'', cross_entropy)
tf.summary.scalar(''train_cost'', cross_entropy)
with tf.Session() as sess:
writer = tf.summary.FileWriter(''./logs/mnistlogs/1f'', sess.graph)
sess.run(tf.global_variables_initializer())
merged = tf.summary.merge([cost, accuracy])

Esto produce el siguiente error:

InvalidArgumentError (vea arriba para traceback): No se pudo analizar una de las entradas de resumen [[Node: Merge / MergeSummary = MergeSummary [N = 2, _device = "/ job: localhost / replica: 0 / task: 0 / cpu: 0" ] (Merge / MergeSummary / inputs_0, Merge / MergeSummary / inputs_1)]]

Me gustaría saber por qué esto no funciona, y cómo puedo encontrar una solución, se agradecen todos los ejemplos de trabajo.

Answer 1

Me lo imaginé. Necesito dar los nombres de los resúmenes antes de fusionarme. El siguiente código resuelve el problema:

with tf.name_scope(''Cost''):
cross_entropy = tf.reduce_mean(
tf.nn.softmax_cross_entropy_with_logits(logits=y_logits, labels=y))
opt = tf.train.AdamOptimizer(learning_rate=0.000003)
optimizer = opt.minimize(cross_entropy)
grads = opt.compute_gradients(cross_entropy, [b_fc_loc2])
cost_sum = tf.summary.scalar(''val_cost'', cross_entropy)
training_cost_sum = tf.summary.scalar(''train_cost'', cross_entropy)
with tf.name_scope(''accuracy''):
correct_prediction = tf.equal(tf.argmax(y_logits, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, ''float''))
train_accuracy = accuracy
accuracy_sum = tf.summary.scalar(''val_accuracy'', accuracy)
training_accuracy_sum = tf.summary.scalar(''train_accuracy'', accuracy)
with tf.Session() as sess:
writer = tf.summary.FileWriter(''./logs/{}/{}''.format(session_name, run_num), sess.graph)
sess.run(tf.global_variables_initializer())
train_merged = tf.summary.merge([training_accuracy_sum, training_cost_sum])