TensorFlow：如何在 supervisor.loop 中使用 tf.train.SummaryWriter (0.12.0rc1)

Question

我正在使用 tf.train.Supervisor 来管理我的会话。我已经在supervisor中使用summary_writer写一些总结了。然而，我会在其他时间间隔写另一组摘要。据我所知，最简单的方法是使用 supervisor.loop。我基本上是：

伪代码：

summary_merged_valid = tf.summary.merge(summary_ops_valid)
valid_writer = tf.train.SummaryWriter(logdir + '/valid')
global_step = slim.get_or_create_global_step()

...

config = tf.ConfigProto(allow_soft_placement=True)
with sv.managed_session(config=config) as sess:

    ...

    sv.loop(validation_interval,
        valid_writer.add_summary,
        (summary_merged_valid, global_step)
        )

我该怎么办？

Answer 1

您还可以使用

向主管提供自己的摘要

sv.summary_computed(sess, summary, global_step)

手动。一件似乎没有被过多宣传的有趣事情是，您可以像这样将摘要分组到集合中：

tf.summary.scalar('learning_rate', p_lr, collections=['train'])
tf.summary.scalar('loss', t_loss, collections=['train', 'test'])
s_training = tf.summary.merge_all('train')

然后仅通过获取 s_training 并将其提供给上述函数来写入 train 变量。

Answer 2

TensorFlow 在here启动附加服务:

下对此进行了记录

Example: Start a thread to print losses. We want this thread to run every 60 seconds, so we launch it with sv.loop().
sv = Supervisor(logdir='/tmp/mydir') with sv.managed_session(FLAGS.master) as sess:
    sv.loop(60, print_loss, (sess)) while not sv.should_stop(): 
        sess.run(my_train_op)

查看@sunside 的回答，了解如何巧妙地做到这一点的好技巧。

TensorFlow：如何在 supervisor.loop 中使用 tf.train.SummaryWriter (0.12.0rc1)

TensorFlow: How to use tf.train.SummaryWriter inside supervisor.loop (0.12.0rc1)

tensorflow

deep-learning

tensorboard