首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

深度学习系列教程(七)TensorBoard及模型保存

"玩转TensorFlow与深度学习模型”系列文字教程,本周带来TensorBoard及模型保存

大家在学习和实操过程中,有任何疑问都可以通过学院微信交流群进行提问,有导师和助教、大牛等为您解惑答疑哦。(入群方式在文末

第七篇的教程主要介绍-使用TensorFlow训练模型的一些相关技巧,包括:

模型变量的保存和恢复

TensorBoard用法

利用 tf.summary 记录数据

可视化计算图

模型变量的保存和恢复

TensorFlow中的提供了表达模型状态的最好的方法,在这一节中,我们将介绍如何保存和恢复变量。

类提供了保存和恢复模型的方法,的构造函数将为计算图中增加和操作。

TensorFlow将变量都存在二进制checkpoint 文件之中,内容基本上就是将变量名称与tensor相对应。

保存变量

使用创建来管理模型中的所有变量,用以下语句保存所有变量:

这个语句表示将这个session中运行的图的所有变量存在路径下。

下面的例子就是将所有的变量存在一个 checkpoint 文件中:

输出为:

恢复变量

不仅仅将变量存到checkpoint文件中,它也可以用来恢复变量,语句是:

如将上面程序部分改为:

输出为:

选择保存和恢复的变量

上述的方式将所有的变量都存储或者读取出来,也支持选择某部分的变量进行储存,构造方式为:

一个变量list

一个Python词典,其中key是变量名称,值就是变量

定义如下计算图:

存储变量:

恢复变量:

TensorBoard用法

TensorBoard 是TensorFlow自带的可视化工具,可以用来可视化定义的计算图,绘制模型训练过程中的相关指标,如正确率等等。

利用 tf.summary 记录数据

被用来导出用于可视化模型的相关数据,支持记录多种类型,其中最常用的就是,用于记录标量,如:

除了以上步骤以外,还需要定义来将对应数据写入文件,以下代码将和写入文件夹:

当需要记录的参数很多的时候,可以使用将所有的记录操作汇总,简化代码。改为使用并且增加记录训练的step后,上述代码变为:

使用以下命令打开:

其中 后面的路径要与 中定义的路径对应。然后打开浏览器,输入

计算图

如果要可视化计算图,可以在定义的时候指明:

或者定义之后添加:

可以通过为变量、placeholder命名,结合使得计算图可视化的时候更加清晰。

完整代码

参考资料

TensorFlow官网介绍

Stanford CS20SI

TensorFlow与深度学习模型系列教程

加入社群

天学网人工智能学院

培养符合企业需求的实战型AI人才

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20171225B0RCF500?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券