如何从张量板文件中读取评估损失?
How can I read evaluation loss from a tensorboard file?
如何以编程方式读取张量板文件并查看所有标量值(损失和指标)?我的问题与 .
有关
按照@user1501961 的方法并使用tensorboard.backend.event_processing.event_accumulator.EventAccumulator
,我可以读取训练损失。但是,我还没有想出查看损失进行评估的方法。由于评估的损失出现在tensorboard中,数据应该以某种方式埋在日志目录中。
这是我的脚本中读取训练损失的部分:
In [1]: from tensorboard.backend.event_processing import event_accumulator
In [2]: ea = event_accumulator.EventAccumulator('PATH_TO_LOGGING_DIR', size_guidance={event_accumulator.SCALARS:0});
In [3]: ea.Reload();
In [4]: ea.scalars.Keys()
Out[4]:
['enqueue_input/queue/enqueue_input/random_shuffle_queuefraction_over_250_of_750_full',
'loss',
'global_step/sec']
In [5]: ea.Scalars('loss') # only training loss is read.
Out[5]:
[ScalarEvent(wall_time=1524534430.8867674, step=1, value=0.7076440453529358),
ScalarEvent(wall_time=1524534523.8320634, step=101, value=0.6497592926025391),
ScalarEvent(wall_time=1524534554.9782603, step=201, value=0.6366756558418274),
ScalarEvent(wall_time=1524534586.3355439, step=301, value=0.504106879234314),
...
如果重要的话,我使用 tf.estimator.train_and_evaluate()
来保存损失和其他指标。
傻我。我在日志目录中找到了一个名为 'eval' 的子文件夹。 EventAccumulator 可以像训练数据一样解析内容。
如何以编程方式读取张量板文件并查看所有标量值(损失和指标)?我的问题与
按照@user1501961 的方法并使用tensorboard.backend.event_processing.event_accumulator.EventAccumulator
,我可以读取训练损失。但是,我还没有想出查看损失进行评估的方法。由于评估的损失出现在tensorboard中,数据应该以某种方式埋在日志目录中。
这是我的脚本中读取训练损失的部分:
In [1]: from tensorboard.backend.event_processing import event_accumulator
In [2]: ea = event_accumulator.EventAccumulator('PATH_TO_LOGGING_DIR', size_guidance={event_accumulator.SCALARS:0});
In [3]: ea.Reload();
In [4]: ea.scalars.Keys()
Out[4]:
['enqueue_input/queue/enqueue_input/random_shuffle_queuefraction_over_250_of_750_full',
'loss',
'global_step/sec']
In [5]: ea.Scalars('loss') # only training loss is read.
Out[5]:
[ScalarEvent(wall_time=1524534430.8867674, step=1, value=0.7076440453529358),
ScalarEvent(wall_time=1524534523.8320634, step=101, value=0.6497592926025391),
ScalarEvent(wall_time=1524534554.9782603, step=201, value=0.6366756558418274),
ScalarEvent(wall_time=1524534586.3355439, step=301, value=0.504106879234314),
...
如果重要的话,我使用 tf.estimator.train_and_evaluate()
来保存损失和其他指标。
傻我。我在日志目录中找到了一个名为 'eval' 的子文件夹。 EventAccumulator 可以像训练数据一样解析内容。