TensorFlow：了解 tf.summary.scalar 中的“collections”参数
TensorFlow: Understanding the `collections` argument in tf.summary.scalar
我正在使用 TensorBoard，特别是 tf.summary.scalar。在 documentation 中它有一个参数 collections=None，描述为：
collections: Optional list of graph collections keys. The new summary op is added to these collections. Defaults to [GraphKeys.SUMMARIES].
我不明白这个描述，collections是干什么用的。有人可以向我解释一下吗，也许可以为我指出一个很好的用例示例？
这是一个隐藏的gem！您可以向它提供您选择的标记摘要节点的字符串列表，例如
tf.summary.scalar('learning_rate', p_lr, collections=['train'])
tf.summary.scalar('loss', t_loss, collections=['train', 'test'])
然后按标签获取摘要，例如像这样：
s_training = tf.summary.merge_all('train')
s_test = tf.summary.merge_all('test')
我这样做是因为我经常想在验证阶段记录额外的信息；在上面的示例中，在评估（和编写）准确性时，我不必为学习率占位符 p_lr 提供值，例如 - 或者图的推理部分所依赖的任何东西。
提供（仅）自定义类别也有很好的副作用，例如从 Supervisor 中隐藏节点。如果你真的想控制你写摘要的确切时间（例如，在 Supervisor 的情况下使用 sv.summary_computed()），这是一个简单的方法。
我正在使用 TensorBoard，特别是 tf.summary.scalar。在 documentation 中它有一个参数 collections=None，描述为：
collections: Optional list of graph collections keys. The new summary op is added to these collections. Defaults to[GraphKeys.SUMMARIES].
我不明白这个描述，collections是干什么用的。有人可以向我解释一下吗，也许可以为我指出一个很好的用例示例？
这是一个隐藏的gem！您可以向它提供您选择的标记摘要节点的字符串列表，例如
tf.summary.scalar('learning_rate', p_lr, collections=['train'])
tf.summary.scalar('loss', t_loss, collections=['train', 'test'])
然后按标签获取摘要，例如像这样：
s_training = tf.summary.merge_all('train')
s_test = tf.summary.merge_all('test')
我这样做是因为我经常想在验证阶段记录额外的信息；在上面的示例中，在评估（和编写）准确性时，我不必为学习率占位符 p_lr 提供值，例如 - 或者图的推理部分所依赖的任何东西。
提供（仅）自定义类别也有很好的副作用，例如从 Supervisor 中隐藏节点。如果你真的想控制你写摘要的确切时间（例如，在 Supervisor 的情况下使用 sv.summary_computed()），这是一个简单的方法。