使用tensorflow 1.3中的标量摘要,我现在可以定义一个“族”,它将有助于在相同的张量板选项卡下对相关指标进行分组。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)
然后我可以通过执行以下操作在tensorboard中的单个选项卡下显示这些:
tf.summary.scalar('precision', precision, family = 'precision/recall')
tf.summary.scalar('recall', recall, family = 'precision/recall')
我想使用eval_metric_ops重复此行为用于评估摘要,但我无法找到任何方法来执行此操作。例如,我想要一个在同一个标量选项卡下有tf.metrics.precision和tf.metrics.recall的选项卡。有没有办法控制用于eval_metric_ops的选项卡名称?
我在ML引擎实验函数中运行它,因此可以传递给tf.estimator.EstimatorSpec的一般解决方案。
使用预测估算器,我认为没有任何方法可以控制内置指标的系列。但你可以添加一个钩子,使用eval_hook
将额外的度量作为tf.contrib.learn.Experiment
参数添加到tf.train.SummarySaverHook
,你将能够控制这些新定义的钩子的族。
使用自定义估算器,您将执行相同操作,除非您在返回的evaluation_hooks
中将钩子添加到EstimatorSpec
,以便您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来度量键,以控制它们在Tensorboard中显示的族。
具体来说,如果您使用密钥my_family/accuracy
发出度量标准,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
家族的一部分出现。