所有 CycleGAN 损失的 Tensorboard 回调

Question

我在本教程中实现了 cycleGAN：https://keras.io/examples/generative/cyclegan/

现在我想为两个生成器和两个鉴别器的损失创建一个 Tensorboard 回调。

我试过这个：

# Callbacks
lr_callback = tf.keras.callbacks.ReduceLROnPlateau(monitor='G_loss', factor=0.2,
                patience=5, min_lr=0)
log_dir = "logs/fit/" + log_name
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)

并将其添加到

.fit

函数中：

cycle_gan_model.fit(
    data_gen_training, 
    epochs=50,
    callbacks=[plotter, model_checkpoint_callback, lr_callback, tensorboard_callback],
)

但是我得到这个错误：

ValueError: Expected scalar shape, saw shape: (1, 30, 30).

没有回调我不会收到任何错误。 所以我的问题是：如何将每个时期的损失写入 tensorboard 日志文件？

提前致谢

Answer 1

我在尝试为

cycle_gan_model.fit()

创建 TensorBoard 回调时遇到了同样的问题。为了解决这个问题，我必须首先使用

train_step

在急切模式下运行我的

tf.config.run_functions_eagerly(True)

并通过将

tf.reduce_mean

应用于每个输出损失（以及可选的

.numpy()

）将损失作为标量返回。

例如，

return {
    "G_loss": tf.reduce_mean(total_loss_G).numpy(),
    "F_loss": tf.reduce_mean(total_loss_F).numpy(),
    "D_X_loss": tf.reduce_mean(disc_X_loss).numpy(),
    "D_Y_loss": tf.reduce_mean(disc_Y_loss).numpy(),
}

我不确定应用

reduce_mean

是否会影响训练的结果，但我能够让 TensorBoard 工作以可视化生成器和鉴别器的损失。