Можно ли показать ошибку классификации вместе с постоянной ошибкой во время тонкого поезда?

я хочу смотреть не только непрерывную ошибку, которая должна быть оптимизирована во время обучения, но и другие недифференцируемые показатели (например, ошибку классификации top1 или top5) во время обучения. Является ли это возможным?

Пример:

outputs = MyModel(inputs)
continuous_loss = some_loss(outputs, labels)
# it could return tensor with dimension different than continuous loss,
# which return only one scalar for batch
another_loss = some_another_loss(outputs, labels, ...)

optimizer = tf.RMSPropOptimizer(lr, momentum)
train_op = slim.learning.create_train_op(continuous_loss, optimizer, ...)
# this call is blocking and i can't run another op with session.run
slim.learning.train(train_op, logdir, ...)

Мне нужно было просто переопределить train_step_fn и передать в массив slim.learning.train [train_op, Another_loss]


tensorflow tf-slim
person svetlov.vsevolod    schedule 04.04.2017    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Нет никаких причин, по которым вы не можете создавать свои собственные крючки на своем графике, чтобы получить показатель точности. Даже если вы используете tf-slim, вы все равно можете использовать сводки для получения нужной информации. Чтобы сгенерировать ошибку top1/5, вам нужно будет вызвать не обучающий вызов run() и получить сводку ошибок, а затем записать ее в свой составитель сводок.

В качестве альтернативы, если вам просто нужно что-то, что вы можете напечатать() в python, вы можете выполнить выборку своей ошибки в наборе проверки:

feeds={x_validation_data:x,y_validation_data:y}
fetches=[error,cross_entropy]
res=sess.run(fetches=fetches, feed_dict=feeds) 
error=res[0]

Без дополнительной информации это все, что я могу понять из вашего вопроса. Если вы можете рассчитать ошибку в Tensorflow, передав набор проверки, вы также можете получить ее в своем вызове sess.run()!

person JCooke    schedule 04.04.2017