Tensorflow:每一步保存指标
TensorFlow是一个开源的机器学习框架，由Google开发和维护。它提供了丰富的工具和库，用于构建和训练各种机器学习模型。TensorFlow的核心是一个灵活的计算图模型，可以用于构建各种复杂的神经网络。
每一步保存指标是指在训练过程中，我们可以使用TensorFlow的回调函数来保存模型的指标。这些指标可以是训练误差、验证误差、准确率等。保存指标的目的是为了在训练结束后进行模型评估和分析。
在TensorFlow中，我们可以使用tf.keras.callbacks.ModelCheckpoint回调函数来实现每一步保存指标。该回调函数可以在每个训练步骤结束后保存模型的权重和指标。我们可以指定保存的路径和文件名，并选择保存的指标类型（如val_loss、val_accuracy等）。
以下是一个示例代码，演示了如何使用tf.keras.callbacks.ModelCheckpoint回调函数保存每一步的指标：
import tensorflow as tf
from tensorflow import keras
# 定义模型
model = keras.Sequential([
keras.layers.Dense(64, activation='relu'),
keras.layers.Dense(10, activation='softmax')
])
# 编译模型
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# 定义保存指标的回调函数
checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
filepath='model_checkpoint',
save_weights_only=True,
save_freq='epoch',
save_best_only=True,
monitor='val_loss',
verbose=1
)
# 训练模型
model.fit(x_train, y_train, epochs=10, validation_data=(x_val, y_val), callbacks=[checkpoint_callback])在上述代码中，我们定义了一个保存指标的回调函数checkpoint_callback，并将其传递给model.fit()函数的callbacks参数。回调函数会在每个训练步骤结束后被调用，根据我们指定的条件来保存模型的权重和指标。
在保存指标的回调函数中，我们指定了保存的文件路径为'model_checkpoint'，仅保存权重而不保存模型结构（save_weights_only=True），保存频率为每个epoch（save_freq='epoch'），仅保存最佳指标对应的模型（save_best_only=True），监控的指标为验证集的损失（monitor='val_loss'）。
通过使用tf.keras.callbacks.ModelCheckpoint回调函数，我们可以方便地保存每一步的指标，并在训练结束后进行模型评估和分析。这对于模型的调优和性能分析非常有帮助。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）
- 腾讯云AI引擎（https://cloud.tencent.com/product/tia）
- 腾讯云弹性GPU（https://cloud.tencent.com/product/gpu）
- 腾讯云容器服务（https://cloud.tencent.com/product/ccs）
- 腾讯云函数计算（https://cloud.tencent.com/product/scf）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云游戏多媒体引擎（https://cloud.tencent.com/product/gme）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iot）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpp）
- 腾讯云云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云云安全中心（https://cloud.tencent.com/product/ssc）
- 腾讯云音视频处理（https://cloud.tencent.com/product/vod）
- 腾讯云元宇宙（https://cloud.tencent.com/product/ue）
相关·内容
我已经使用tensorflow罐头模型tf.Estimator.LogisticClassifier以分布式方式训练了一个逻辑回归模型。每X秒创建一个检查点，并对每个检查点执行评估。
是否可以保存每个检查点获得的评估指标？
我注意到评估指标可能已经保存，但我不知道它们可以保存在哪里，以及如何读取它们：
INFO:tensorflow:Saving dict for global step 2000: accuracy = 1.0, accuracy_baseline = 1.0, auc = 1.0, auc_precision_recall = 0.0, average_loss = 0.0
浏览 0提问于2018-09-04得票数 1
2回答
我正在使用Tensorflow对象检测来训练一个两类模型。在训练时，训练从0开始，分100步进行(每100步可以看到日志)，当步数达到1000 (按100,200,300,400,500....steps)时，它会执行评估，我可以在tensorboard中查看结果。在1000步之后，每一步都会保存检查点，如1001,1002,1003，...而且每一步都会进行评估。这一切为什么要发生？ Tensorflow版本: nvidia-tensorflow 1.15 培训基于：https://colab.research.google.com/github/google-coral/tutorial
浏览 27提问于2021-08-24得票数 0
回答已采纳
TensorFlow对象检测API有一种非常方便的方法来获得经过训练的模型的性能指标(在他们的教程中描述)。不幸的是，没有提供每个班的平均精确分数。
有没有人知道有一种方便的方法可以为TensorFlow对象检测模型获取特定于类的AP分数，而不必编写自己的脚本来完成呢？
是在2019年被问到的，但没有得到回应。
谢谢!
浏览 5提问于2021-06-15得票数 0
回答已采纳
我正在用TensorFlow训练一个GPT2文本生成模型，并在我的文本语料库中执行一个时期。我的问题是，我如何每10步左右保存一次我的模型？我的模型在第100步突然停止训练，只有20步到go....oooof。 我知道Model_Checkpoint()回调，但似乎无法在save_freq参数中将steps替换为epoch。 tf.keras.callbacks.ModelCheckpoint(
filepath, monitor='val_loss', verbose=0, save_best_only=False,
save_weights_only=Fa
浏览 39提问于2020-07-06得票数 0
如中所述
tensorflow文档没有提供如何在评估集上对模型执行定期评估的任何示例。
接受的答案建议使用实验(这是不推荐的)。
我在网上发现的关于使用方法的所有信息。但是，我仍然不知道如何在这两个过程之间切换(训练和评估)。我尝试了以下几点：
estimator = tf.estimator.Estimator(
model_fn=model_fn,
params=hparams,
model_dir=model_dir,
config = tf.estimator.RunConfig(
save_checkpoints_steps =
浏览 1提问于2018-04-02得票数 14
我正在尝试使用Mlflow记录评估过程中的步骤，但只能记录最后一步。使用mlflow.tensorflow.autolog()，我能够在保存检查点时记录一些指标(如损失)，这是在RunConfig中定义的每100步。然而，我还需要保存精度和top3error每100步模型进行评估。下面是我的代码：
def top3error(features, labels, predictions):
return {'top3error': tf.metrics.mean(tf.nn.in_top_k(predictions=predictions['logits'
浏览 2提问于2019-08-01得票数 0
我们使用标准的tensorflow/serving docker容器为多个TF模型提供服务。在文档之后，我们通过提供“prometheus”配置启用了监控。指标将按预期发出。TFS确实以一种区分其服务的单独模型的方式标记了一些指标，例如，它显示了模型加载尝试和延迟的model_path：
# TYPE :tensorflow:cc:saved_model:load_attempt_count counter
:tensorflow:cc:saved_model:load_attempt_count{model_path="gs://disco-int-100-mlops/ml-sand
浏览 0提问于2020-10-21得票数 2
我遇到了一个小问题，但我不知道如何处理它。
当我使用tf.estimator.Estimator时，它会在每个步骤中记录两行，如下所示：
INFO:tensorflow:global_step/sec: 1110.33
INFO:tensorflow:loss = 0.00026583532, step = 9376 (0.090 sec)
但是当我在LoggingTensorHook中单独使用tf.train.MonitoredTrainingSession时，每一步只有一行没有关于global_step/sec的信息。
INFO:tensorflow:step = 131, loss =
浏览 1提问于2018-03-29得票数 2
遵循Tensorflow教程中的虹膜分类问题，我正在尝试构建一个DNN分类器模型来识别手写字符。遇到了对测试数据的质疑。
我假设在正常的机器学习中，测试数据是未标记的。为什么在tensorflow中，测试数据也应该被标记？有没有什么方法可以使用DNN分类器或tensorflow中的任何其他分类器输入未标记的测试数据？
浏览 18提问于2018-07-27得票数 1
我有一个简单的神经网络
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten, Conv2D, MaxPooling2D, MaxPool2D
model = Sequential([
Conv2D(16,(3,3),padding='same', input_shape=(1,28,28),data_format='channels_first'),
Max
浏览 25提问于2020-05-31得票数 3
我想知道是否有任何方法可以在tensorflow中查看模型的参数。在pytorch中有一个命令，即torch.load('/filepath')。
浏览 31提问于2021-11-03得票数 0
1回答
我使用的是TensorFlow 2.4.0和Keras，我想为测试和培训集绘制损失相对于历代历史的图表。当我使用TensorFlow 1.15时，我能够做到这一点，使用下面的代码，但是当我尝试将它转换到新版本时，它不起作用。
model.fit(X2_train ,y2_train, epochs =100, batch_size = 32)
plt.subplot(1,1,1)
plt.plot(model.history.history['loss'])
plt.plot(model.history.history['val_loss'])
plt.tit
浏览 2提问于2021-03-20得票数 0
1回答
使用Prometheus exporter进行Tensorflow服务的步骤是什么？根据1.11TF服务支持普罗米修斯指标：
我从示例和以下代码中启动了一个docker：
docker运行-p 8501:8501 -p 8500:8500 \--挂载目标，\ source=/tmp/tfserving/serving/tensorflow_serving/servables/tensorflow/testdata/saved_model_half_plus_two_cpu，\ type=bind =/models/half_plus_two\ -e MODEL_NAME=half_plus_t
浏览 1提问于2018-10-25得票数 1
1回答
如何防止权重偏差保存最佳模型参数
、、、、
我使用权重和偏差()来管理超参数优化和记录结果。我正在使用带有Tensorflow后端的Keras进行培训，我使用的是随箱即用的重量和偏差日志功能，我在其中运行。
wandb.init(project='project_name', entity='username', config=config)
然后将一个WandbCallback()添加到classifier.fit()的回调中。默认情况下，权重和偏差似乎保存模型参数(即模型的权重和偏差)，并将它们存储在云中。这消耗了我帐户的存储配额，这是不必要的--我只关心跟踪模型的丢失/准确性，这是超参数的一个函数。
浏览 4提问于2022-04-25得票数 3
回答已采纳
运行测试脚本时出现“Label out out bound”错误。将注释值与类的数量进行比较时，会在confusion_matrix函数中抛出错误。在我的例子中，注释值是一幅图像(560x560)，number_of_classes = 2。
[check_ops.assert_less(labels, num_classes_int64, message='`labels` out of bound')], labels
上面的条件总是会失败，因为注释数据大于类的数量。
首先，我很有可能误解了代码，但我不能理解它。
其次，如果这是一个有效的检查，那么我如何修改我的代码或数据来
浏览 0提问于2017-09-12得票数 2
我使用的是带有train_and_evaluate()函数的tensorflow高级接口tf.contrib.learn.Experiment。我想在train_and_evaluate()内部的评估期间打印评估结果(模型输出)
浏览 0提问于2018-03-24得票数 1
我已经在JobExecutionListener的afterJob()方法中实现了将失败和成功的处理数存储到作业执行上下文中的函数：
public void afterJob(JobExecution jobExecution) {
final long jobExecutionId = jobExecution.getId();
final BatchStatus jobStatus = jobExecution.getStatus();
final ExecutionContext jobExecutionContext = jobExecution.get
浏览 1提问于2018-07-25得票数 0
我想在训练期间每5小时保存一次tensorflow变量。 因此，根据Tensorflow Saver doc，我构造了带有参数keep_checkpoint_every_n_hours=5的saver = Saver，并为学习的每一步调用saver.save()。因此，我所期望的是，saver模块以某种方式检测开始训练后经过的时间，并每5小时保存一次模型，而不是在调用它的每个步骤中实际保存模型。 下面简化了我如何使用该功能。 sess = tf.Session()
model = Model(sess)
saver = tf.train.Saver(max_to_keep=5,
浏览 35提问于2019-05-13得票数 1
回答已采纳
2回答
我有以下问题：
我在Keras有一个自动编码器，并训练它几个时代。培训概述显示验证MAE为0.0422，MSE为0.0024。但是，如果然后调用network.predict并手动计算验证错误，则得到0.035和0.0024。
人们可能会认为，我对MAE的手工计算是完全不正确的，但奇怪的是，如果我使用标识模型(只输出您输入的内容)并使用它来计算预测值，则返回的错误值与手动计算的错误值相同。代码如下：
input = Input(shape=(X_train.shape[1], ))
encoded = Dense(50, activation='relu', activity_
浏览 2提问于2018-04-18得票数 3
1回答
我使用TFF版本0.12.0来计算模型的性能，我想添加(具有准确性)敏感性和特异性指标， def specificity
...
def create_compiled_keras_model():
....
model.compile(optimizer=tf.keras.optimizers.SGD(lr=0.001, momentum =0.9),
loss=tf.keras.losses.BinaryCrossentropy(),
metrics=([tf.keras.metrics.BinaryAccurac
浏览 317提问于2020-12-25得票数 3
我对计算机视觉这个领域非常陌生。我用过这个回购。
系统: Win 10名称:yolov4 4-gpu依赖项：
python==3.7
pip
matplotlib
opencv
抱抱
cudatoolkit==10.1.243
pip：
tensorflow-gpu=2.3.0rc0
opencv-python=4.1.1.26
lxml
tqdm
absl-py
平易近
枕
pytesseract我想找到这个模型的度量标准。请帮帮忙。提前谢谢。
浏览 10提问于2022-09-13得票数 1
我正在写一个基于CNN的两种类型图像之间的分类代码。我想测量我工作的准确性、敏感性和特异性，但不幸的是，我有以下错误。你能告诉我我的问题出在哪里吗？
m = tf.keras.metrics.SensitivityAtSpecificity(0.5)
model.compile(optimizer='adam', loss=keras.losses.binary_crossentropy, metrics=['accuracy',m])
错误：
Traceback (most recent call last):
File "C:/Users/Ham
浏览 0提问于2019-04-12得票数 0
2回答
我正在训练tensorflow的im2txt样本，它会输出损失：
INFO:tensorflow:global step 2174: loss = 3.6930 (15.83 sec/step)
INFO:tensorflow:global step 2175: loss = 3.6651 (15.52 sec/step)
INFO:tensorflow:global step 2176: loss = 3.5733 (18.25 sec/step)
INFO:tensorflow:global step 2177: loss = 3.1979 (18.87 sec/step)
INFO:te
浏览 0提问于2017-02-06得票数 11
我正在尝试将mlflow.tensorflow.autolog()与结合使用。将mlflow.tensorflow.autolog()添加到中会记录一些参数，如全局_范数/剪裁_梯度_范数、全局_范数/梯度_范数、全局_step/秒、learning_rate_1、loss_1、loss_2等。然而，更重要的指标，如地图，精确性，召回并没有被记录在mlfow中。
浏览 4提问于2019-10-18得票数 3
我一直在尝试添加一些有用的中间计算，用于将我的损失函数导出到eval_metric_ops字典中，用于计算EstimatorSpec。我已经将这些信息打包到中，因为它似乎符合我的需要。
此函数的返回类型是tuple of (mean, update_op)，其中mean表面上是当前均值，update_op是计算新平均值并返回它的操作。
然而，当我试图评估它时，我发现value和update_op字段似乎是不同的。据我所见，这些文档并没有对此做出解释。
例如，取下面的代码片段：
test_tensor = tensorflow.constant([[1, 2, 3], [4, 5, 6]
浏览 0提问于2018-05-20得票数 0
回答已采纳
1回答
您好，我想知道如何在节点js中更新TensorFlow js保存的模型，
我使用NodeJS在TensorFlow js中创建了一个基本的神经网络，并保存了训练好的模型，它生成了model.json和weights.bin文件。
我已经看到，我们可以在Python中更新keras中经过训练的模型。
但是在TensorFlow js、NodeJS和JS中没有更新模型的示例。
请有人帮助更新训练好的模型。
模型加载和更新代码
var tf = require('@tensorflow/tfjs-node')
async funtion load(){
const model
浏览 0提问于2020-02-27得票数 2
1回答
如果我将TensorFlow培训作业发送到SageMaker实例，查看培训进度的典型方法是什么？我可以访问这个启动的TensorBoard实例的EC2吗？还有别的选择吗？我特别要寻找的是类似于当前训练时代和mAP的图表。
浏览 1提问于2018-11-07得票数 0
回答已采纳
在模型创建和模型编译过程中到底发生了什么？为什么Model中不包含compile？在tensorflow图和会话方面发生了什么？
示例代码：
# model creation
model = Model(inputs, outputs)
# model compile
model.compile(optimizer='adadelta', loss='binary_crossentropy')
浏览 0提问于2020-05-19得票数 2
1回答
基于验证和非训练的优化
、、、、
你好，神经网络程序员，
我目前正在创建一个带有角点的神经网络，因为我对tensorflow并不那么熟悉，这有点困难。
我希望我的优化是优化验证损失，而不是训练损失/准确性。
理想情况下，我希望它看起来像这样：
model.compile(optimizer=adam，loss=‘范畴交叉熵’，metrics=瓦尔)
但是，val_accuracy不是我能深入到度量标准中的东西。
对我如何实现这一点有什么想法吗？
谢谢!
浏览 0提问于2019-03-07得票数 1
如果我用tensorflow写一个模型，可能是任何CNN或ANN。我想知道如何发现我的架构或模型中是否有问题。例如。如果我的模型拟合不足或过拟合。如何绘制学习曲线、验证曲线和训练曲线，以及如何分析它们以发现我应该做些什么来提高测试数据的准确性。如何在tensorflow.Any aproach中做所有这些事情，以便在tensorflow中做到这一点，并告诉一些提示，以便在特定模型中找到正确的错误？
浏览 13提问于2018-09-01得票数 0
我一直在我自己的数据集上使用Tensorflow对象检测API。在训练时，训练损失会在张力板上更新。但我需要分别获得训练和验证精度(mAP)。需要采取哪些步骤来获取这些值？
浏览 24提问于2019-06-06得票数 1
回答已采纳
2回答
当我尝试从tensorflow-hub resporitory获取模型时。我可以将其视为一种保存的模型格式，但我无法访问模型架构以及每层的权重存储。 import tensorflow_hub as hub
model = hub.load("https://tfhub.dev/tensorflow/centernet/hourglass_512x512/1")
) 有没有什么正式的方法来使用它？ 对于原始模型中的特定层，我可以通过model.__dict__获取的所有属性都不是明确的。 {'_self_setattr_tracking': True,
&#
浏览 131提问于2021-02-09得票数 1
回答已采纳
实际上，我们正在创建一个能够将AI用例投入生产的平台。TFX是第一选择，但是如果我们想要使用非基于tensorflow的库，比如scikit、learn等，并且想要包含一个python脚本来创建模型，那该怎么办呢？这样的模型的输出将由tensorflow服务器提供。如何确保能够在一个系统设计中同时运行基于tensorflow的模型和基于非tensorflow的库和模型。请提个建议。
浏览 2提问于2019-11-25得票数 1
我在tensorflow 1.x中有一个训练设置。我想在执行过程中在tensorflow.python.ops文件中打印一些值。所以我尝试了很多方法来打印出来，但都失败了创建会话在这种情况下不能应用，因为操作已经在训练会话中执行了。 我一开始试着启用eager_execution，并使用tf.print，但是什么也没有显示出来。
浏览 76提问于2020-12-25得票数 1
1回答
我正在尝试了解跟踪我们通过SES发送的电子邮件的SES事件指标的最佳方法。目前，我们正在使用带有SentTemplatedEmail()的API发送电子邮件活动。配置集目前没有设置任何事件发布，我知道这将是第一步。 我的目标是收集每一批发送的电子邮件的统计数据，比如退回比率，打开次数等，甚至可以确定哪些电子邮件地址被退回或有错误。理想情况下，我希望在我们自己的管理系统中收集这些信息，并将其存储在我们的内部数据库中。 我知道我可以将事件发送到Cloudwatch或Kineses Data Firehose。如果我要做其中的任何一个，我将如何从这些服务中获取/解析信息，以便在我们的内部应用程序中
浏览 24提问于2021-11-15得票数 0
回答已采纳
在tensorflow 中，我们可以看到以下代码：
----------------------------------------------------------------------------
# Evaluate accuracy.
accuracy_score = classifier.evaluate(input_fn=get_test_inputs,
steps=1)["accuracy"]
-----------------------------------------
浏览 3提问于2017-05-04得票数 0
如何在大型评估数据集的特定片(段)上评估我的TensorFlow模型的性能？
浏览 3提问于2018-03-29得票数 0
回答已采纳
我正在使用TensorFlow和Keras训练一个模型。我想保存模型，然后加载它。但是我得到了一些错误。
我是这样编译这个模型的：
from tensorflow.keras.models import Model
import tensorflow as tf
model.compile(loss='categorical_crossentropy',
optimizer=adam,
metrics=['accuracy', top3, top5])
在训练之后，我以这样的方式加载模型：
model.s
浏览 94提问于2021-06-10得票数 0
1回答
我在tensorflow教程中有一个简单的MNIST模型。我想看看第一个卷积层的滤波器是如何随时间变化的。当我使用tf.summary.image时，只显示其中一个步骤，其余步骤被忽略。有什么办法解决这个问题吗？
浏览 0提问于2017-04-23得票数 0
1回答
要记录hparams ，我正在按照tf代码中的建议执行以下操作
with tf.summary.create_file_writer(model_dir).as_default():
hp_learning_rate = hp.HParam("learning_rate", hp.RealInterval(0.00001, 0.1))
hp_distance_margin = hp.HParam("distance_margin", hp.RealInterval(0.1, 1.0))
hparams_list = [
h
浏览 4提问于2020-01-29得票数 5
回答已采纳
2回答
我需要帮助来理解我在基本监控中每隔5分钟获得多少个数据点(SampleCount)。
我对EC2实例进行了基本监控，这意味着每5分钟就会收集新的数据点。
使用MetricsDataQueries应用程序接口，我可以获得指标的数据点。
我在10分钟内每5分钟查询一次数据点的SampleCount。
数据显示(10分钟)：
0分钟-5个样本计数5分钟-5个样本计数
我现在对这到底是什么意思感到困惑。由于基本监控每5分钟收集一次数据，我原本期望每5分钟间隔有一个数据点。所以我的期望是：
0分钟-1个样本计数5分钟-1个样本计数
谢谢你的帮助!
浏览 2提问于2019-09-11得票数 0
我实际上是在一个服务器上工作，在那里我运行Tensorflow OD API来训练我的自定义数据集的模型。因此，我将图像划分为训练集、验证集和测试集，并在训练集和验证集上运行train.py。接下来，我在我的测试图像上使用导出的模型检查点和冻结的图形运行推理。现在，我的问题是，当我运行示例中提供的推理时，我得到了一个输出dict，其中包含每个图像的检测分数、检测次数、检测类别、检测掩码等，那么如何根据这些输出计算测试集的mAP？
在这个方向上的任何指导都将是非常有帮助的，提前谢谢。
浏览 0提问于2018-10-25得票数 1
1回答
我正在通过TFRecordDataset训练神经网络。然而，在每个时期结束时，即使用ETA: 0s，训练会停滞数十秒。作为参考，在大约25 of的数据集上(在解析特征的子集之前)，一个时期大约需要一分钟。 我使用Nvidia Titan RTX图形处理器运行TensorFlow 2.3.1。这是预期的行为吗？也许是由于输入管道中的预处理？预处理是仅由CPU执行还是将其分流到GPU？谢谢!
浏览 18提问于2020-12-16得票数 0
回答已采纳
我想监测我的tensorflow模型的准确性，但是，当使用metrics=['accuracy']或metrics=[tf.keras.metrics.Accuracy()]编译我的模型时，然后训练我的模型时会弹出以下警告。
警告:tensorflow:以度量accuracy为条件的早期停止是不可用的。可用的衡量标准是:损失，val_loss
model.compile(optimizer='adam', loss='mean_squared_error', metrics=["tried both options i mentioned
浏览 4提问于2021-06-07得票数 1
回答已采纳
在使用Estimator API时，有没有办法让Tensorflow打印额外的训练指标(例如批量精度)？
人们可以在Tensorboard中添加摘要并查看结果(参见另一篇文章)，但我想知道是否有一种优雅的方法可以在训练时打印标量摘要值。这种情况已经发生在训练损失上，例如：
loss = 0.672677, step = 2901 (52.995 sec)
但如果能有这样的人就好了。
loss = 0.672677, accuracy = 0.54678, step = 2901 (52.995 sec)
不会有太多麻烦。我知道大多数时候绘制测试集准确性图更有用(我已经在用验证监视器做这件事了)
浏览 1提问于2017-07-27得票数 24
回答已采纳
我一直在测试构建nn模型的不同方法(tensorflow，keras)，我发现在编译模型的过程中指标有一些奇怪的地方。
我检查了两种方式：
model.compile(
loss=keras.losses.CategoricalCrossentropy(),
optimizer=keras.optimizers.Adam(),
metrics=keras.metrics.Accuracy()
)
和
model.compile(
loss=keras.losses.CategoricalCrossentro
浏览 1提问于2020-11-26得票数 2
简而言之，我有几个自定义的评估指标，在评估过程中必须批量运行的大量评估数据，我希望获得所有评估批次的这些指标的总和。
更多详细信息：
我使用TensorFlow的Estimator类构建了一个模型，它可以很好地用于训练和评估。问题是，我的评估数据太大了，我需要使用自定义的input_fn将它们分成几批。
调用看起来像这样
eval_res = model.evaluate(input_fn=lambda:eval_input_fn(params['eval_data'], params['batch_size']))
在本例中，我将通过终端输出获得每一步的评估指
浏览 30提问于2017-02-07得票数 0
我使用tf.train.Supervisor启动一个会话来训练我的模型，并每1000步保存一次模型参数。但似乎tensorflow会自动删除旧的模型文件。仅保存了5个最近的模型。生成model.ckpt-6000后，将删除model.ckpt-1000。但是我找不到任何关于这个行动的文件。
浏览 0提问于2017-02-25得票数 2
1回答
我试着训练一个模型来检查图像，识别指定的物体并告诉我它的坐标(我甚至不需要看到物体周围的正方形)。
对于这个im，使用Tensorflow的对象检测和我所做的大部分工作是看本教程：
但是有些事情改变了，可能是因为更新，然后我不得不自己做一些事情。我实际上可以训练模型(我猜)，但我不明白评估结果。我过去常常看到损失和当前的步骤，但这个输出对我来说是不寻常的。而且我不认为训练是被挽救的。
训练命令行：
model_main.py --logtostderr --train_dir=training/ --pipeline_config_path=training/faster_rcnn_ince
浏览 0提问于2019-03-16得票数 2
回答已采纳
当使用TensorFlow时，我会在使用method.fit时自动生成预测，并将其训练成特定数量的历元。我想知道如何从模型中得到正确预测和错误预测的图像。作为参考，这是我遵循的教程
我试图通过调用查看是否可以打印混淆矩阵的输出来查看是否存在访问预测的方法，但我找不到这样的库。
浏览 2提问于2022-04-06得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
