如何利用MMOE/PLE等多任务网络可视化TENSORBOARD中的门张量
如何利用MMOE/PLE等多任务网络可视化TENSORBOARD中的门张量
提问于 2022-10-12 11:50:14
在使用MMOE这样的网络在推荐系统中训练多任务网络时，我想观察门网络的参数，以了解门网络是否能够区分不同任务的样本。
例如：
如果
- 是点击的阳性样本，则门网络将给点击专家以很高的权重；如果它是付费的阳性样本，则门网络将给付费专家以很高的权重；如果门网络没有经过良好的培训，则
- 将给点击专家和支付专家相同的权重；
我怎么才能用拉杆板来做呢？
回答 1
Stack Overflow用户
发布于 2022-10-12 15:35:30
在Tensorboard中有一些选项，您可以通过输入序列和发行版来检查每个层的网关输入/输出。
问:如果是点击的阳性样本，则门网络会给点击专家以较高的权重；如果是付费的阳性样本，则门网络将给付费专家以较高的权重；
答:当输入继续提供连续的结果时，可以使用可以显示在Tensorboard上的函数tf.summary()进行日志记录。
问:如果门禁网络没有经过良好的训练，那么网络将给点击专家和付费专家同等的权重；
数据记录显示输入数据。
写入文件，可以添加标签、自定义值或图像。
示例:输入数据图像，输入可以是数组。
with file_writer.as_default():
for i in range(10):
tf.summary.image("Training data", tf.constant( list_image_greyscales[i], shape=(1,32,32,1) ), step=i)图解可以反映任何时候的伐木。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/74041360
复制相关文章
相似问题
腾讯云开发者
