ฉันกำลังทำงานร่วมกับ TensorBoard โดยเฉพาะ tf.summary.scalar ใน เอกสารประกอบ มีข้อโต้แย้ง collections=None ซึ่งอธิบายว่า:
collections: รายการทางเลือกของคีย์คอลเลกชันกราฟ op สรุปใหม่จะถูกเพิ่มไปยังคอลเลกชันเหล่านี้ ค่าเริ่มต้นคือ[GraphKeys.SUMMARIES]
ฉันไม่เข้าใจคำอธิบายนี้ และ collections ใช้เพื่ออะไร ใครช่วยอธิบายเรื่องนี้ให้ฉันฟังหน่อยได้ไหม และอาจชี้ให้ฉันดูกรณีการใช้งานตัวอย่างที่ดีได้ไหม
มันเป็นอัญมณีที่ซ่อนอยู่! คุณสามารถระบุรายการสตริงที่คุณเลือกเพื่อระบุโหนดสรุป เช่น
tf.summary.scalar('learning_rate', p_lr, collections=['train'])
tf.summary.scalar('loss', t_loss, collections=['train', 'test'])
แล้วดึงข้อมูลสรุปตามป้ายกำกับ เช่น ชอบอย่างนั้น:
s_training = tf.summary.merge_all('train')
s_test = tf.summary.merge_all('test')
ฉันทำอย่างนั้นเพราะฉันมักจะต้องการบันทึกข้อมูลเพิ่มเติมในระหว่างขั้นตอนการตรวจสอบ ในตัวอย่างข้างต้น ฉันไม่จำเป็นต้องระบุค่าสำหรับตัวยึดตำแหน่งอัตราการเรียนรู้ p_lr เมื่อประเมิน (และเขียน) ความแม่นยำ เป็นต้น หรือสิ่งใดก็ตามที่ส่วนอนุมานของกราฟต้องอาศัยจริงๆ
การระบุหมวดหมู่ที่กำหนดเอง (เท่านั้น) ยังมีผลข้างเคียงที่ดีจากการซ่อนโหนดจาก Supervisor เป็นต้น หากคุณต้องการควบคุมเวลาที่คุณจะเขียนสรุปได้อย่างชัดเจน (เช่น ใช้ sv.summary_computed() ในกรณีของ Supervisor) นั่นเป็นวิธีที่ง่าย
