[英]eval_metric_ops display under family on tensorboard
使用tensorflow 1.3中的标量摘要,我现在可以定义一个``家庭'',这将有助于在同一张量板选项卡下将相关指标分组。 例如,如果我在下面定义了两个汇总标量:
precision = precision(labels, predictions)
recall = recall(labels, predictions)
然后,可以通过执行以下操作将它们显示在tensorboard的单个选项卡下:
tf.summary.scalar('precision', precision, family = 'precision/recall')
tf.summary.scalar('recall', recall, family = 'precision/recall')
我想使用eval_metric_ops作为评估摘要来重复这种行为,但是我找不到设法做到这一点的方法。 例如,我想要一个在同一标量标签下具有tf.metrics.precision和tf.metrics.recall的标签。 有什么方法可以控制用于eval_metric_ops的选项卡名称吗?
我正在ML引擎实验功能中运行此程序,因此首选可传递给tf.estimator.EstimatorSpec的常规解决方案。
对于固定的估算器,我认为没有任何方法可以控制内置指标的系列。 但是您可以使用tf.train.SummarySaverHook
向tf.contrib.learn.Experiment
添加一个添加附加度量作为eval_hook
参数的tf.train.SummarySaverHook
,您将能够控制这些新定义的钩子的族。
使用自定义估算器,除了将钩子添加到返回的EstimatorSpec
evaluation_hooks
中之外,您将执行其他操作,以便可以正常指定度量标准系列。
如果您正在编写自定义估算器,则可以使用斜杠分隔的前缀作为度量标准键来控制它们在Tensorboard中显示的族。
具体来说,如果您使用键my_family/accuracy
发出指标,则如下所示:
def model_fn(features, labels, mode):
if mode == tf.estimator.ModeKeys.EVAL:
accuracy = ...
loss = ...
return tf.estimator.EstimatorSpec(
tf.estimator.ModeKeys.EVAL,
loss=loss,
eval_metric_ops={'my_family/accuracy': tf.metrics.mean(accuracy)},
)
else:
...
accuracy
指标将作为张量板中my_family
系列的一部分出现。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.