在低级TensorFlowAPI上,我可以用下面的代码绘制一个直方图
.. some code ..
with tf.name_scope('output_layer'):
weights = tf.Variable(tf.random_normal([d1, d2], dtype=tf.float32),
name='weights')
biases = tf.Variable(tf.random_normal([d2], dtype=tf.float32),
name='biases')
tf.summary.histogram('output_weights', weights)
tf.summary.histogram('biases', biases)
最近我决定试用slim
API,我想知道如何在简单和更复杂的情况下管理TensorBoard图。在
例如,如果我想在下面两个例子中绘制权重的直方图(如tf.summary.histogram
)和偏差的平均值(如tf.summary.scalar
),我该怎么做?在
简单示例:
^{pr2}$复杂示例:
with tf.name_scope('output_layer'):
predictions = slim.stack(inputs, slim.fully_connected, [32, 64, 128])
我认为标准的方法是建立一个这样的循环,它将为每个层添加权重、偏差、批次标准参数等的分布和直方图:
相关问题 更多 >
编程相关推荐