अलग प्रशिक्षण और मूल्यांकन सारांश के लिए tensorboard में summary.merge का उपयोग करने में असमर्थ

Question

मैं एक संक्रामक तंत्रिका नेट के सीखने के लिए टेंसरबोर्ड का उपयोग करने की कोशिश कर रहा हूं। मैं एक विलय सारांश बनाने के लिए tf.summary.merge_all फ़ंक्शन के साथ अच्छा कर रहा हूं। हालांकि, मैं प्रशिक्षण और परीक्षण डेटा दोनों के लिए सटीकता और हानि पर ट्रैकिंग करना चाहता हूं। यह पोस्ट उपयोगी है: Logging training and validation loss in tensorboard।

चीजों को संभालने में आसान बनाने के लिए, मैं अपने सारांशों को दो विलयित सारांशों में विभाजित करना चाहता हूं, एक प्रशिक्षण के लिए और एक सत्यापन के लिए। (मैं अंततः अधिक सामान जोड़ूंगा, छवियों की तरह इत्यादि।) मैंने इसका पालन करने की कोशिश की टेंसरबोर्ड tf.summary.merge से विवरण। मैं इसे काम नहीं कर सकता और मैं समझने में मदद करने के लिए कोई कामकाजी उदाहरण नहीं ढूंढ पा रहा हूं कि मैं कहां गलत हूं।

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]) 

यह निम्न त्रुटि में परिणाम है:

InvalidArgumentError (see above for traceback): Could not parse one of the summary inputs [[Node: Merge/MergeSummary = MergeSummary[N=2, _device="/job:localhost/replica:0/task:0/cpu:0"](Merge/MergeSummary/inputs_0, Merge/MergeSummary/inputs_1)]]

मुझे पता है क्यों यह काम नहीं करता चाहते हैं, और कैसे मैं एक समाधान पा सकते हैं, किसी भी काम के उदाहरण की सराहना कर रहे हैं।

Answer 1

मैंने इसे समझ लिया। मुझे विलय से पहले सारांश नाम देना होगा।

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])