Pourquoi devrais-je utiliser le résumé, et que puis-je obtenir de ces derniers?

Question

J'étudie le deep-learning et le tensorboard, presque des exemples de résumés d'utilisation de code.

1. Je me demande pourquoi j'ai besoin d'utiliser des résumés de variables.

2. Leur sont un grand nombre de données pour résumé comme min, max, mean, variation, etc. Que dois-je utiliser dans une situation typique? Comment analyser et Que puis-je obtenir à partir de ce graphique récapitulatif?

merci: D

Answer 1

Il y a un tutoriel vidéo impressionnant (https://www.youtube.com/watch?v=eBbEDRsCmv4) sur Tensorboard qui décrit presque tout Tensorboard (graphique, résumé, etc.)

Answer 2

1. résumés variables (scalaire, histogramme, image, texte, etc) aident à suivre votre modèle à travers le processus d'apprentissage. Par exemple, tf.summary.scalar ('v_loss', validation_loss) ajoutera un point à la courbe de perte chaque fois que vous appelez le résumé op, vous donnant ainsi une idée approximative si le modèle a convergé et quand arrêter.
2. Cela dépend de votre type de variable. Pour des valeurs telles que la perte, tf.summary.scalar montre la tendance à travers les époques; pour des variables comme les poids dans une couche, il vaudrait mieux utiliser tf.summary.histogram, qui montre le changement de la distribution entière des poids; J'utilise généralement tf.summary.image et tf.summary.text pour vérifier les images/textes que mon modèle génère sur différentes époques.
3. Le graphique montre la structure de votre modèle et la taille des tenseurs qui traversent chaque op. J'ai trouvé difficile au début d'organiser bien les opérations dans la présentation graphique, et j'ai beaucoup appris sur la portée variable de cela. L'autre réponse fournit a link for a great tutorial pour les débutants.