インタラクティブなデモのように、TensorBoardのテストとトレーニングのための個別のカーブを作成するにはどうすればよいですか？

Question

私はthe interactive demo in tensorflowを見ていました。彼らはトグルすることができるテストとトレーニングの別々のプロットを持っているようです。例えば、それらは、テストや電車のために別々の精度があります。

を、もう一方はそれらを切り替えることができます：

を彼らも、別々のパーセンタイル（HIST）もグラフいる：

を

TensorFlowコードとはそのような便利な機能を提供しますか？

---

私はテストと列車の両方のエラーを抱えていましたが、そのようなプロットはありません。これは私が試したものです：

with open(path+errors_pretty, 'w+') as f_err_msgs: 
    with tf.Session() as sess: 
     merged = tf.merge_all_summaries() 
     writer = tf.train.SummaryWriter(tensorboard_data_dump, sess.graph) 

     sess.run(tf.initialize_all_variables()) 
     for i in xrange(steps): 
      ## Create fake data for y = W.x + b where W = 2, b = 0 
      #(batch_xs, batch_ys) = get_batch_feed(X_train, Y_train, M, phase_train) 
      feed_dict_batch = get_batch_feed(X_train, Y_train, M, phase_train) 
      ## Train 
      if i%report_error_freq == 0: 
       (summary_str_train,train_error) = sess.run(fetches=[merged, l2_loss], feed_dict=feed_dict_train) 
       (summary_str_test,test_error) = sess.run(fetches=[merged, l2_loss], feed_dict=feed_dict_test) 
       writer.add_summary(summary_str_train, i) 

       loss_msg = "Model *%s%s*, step %d/%d, training error %g, test error %g \n"%(model,nb_hidden_layers,i,steps,train_error,test_error) 
       mdl_info_msg = "Opt: %s, BN %s, After %d/%d iteration, Init: %s \n" % (optimization_alg,bn,i,steps,init_type) 
       print_messages(loss_msg, mdl_info_msg) 
       # store results 
       results['train_errors'].append(train_error) 
       results['test_errors'].append(test_error) 
       # write errors to pretty print 
       f_err_msgs.write(loss_msg) 
       f_err_msgs.write(mdl_info_msg) 
       # save mdl 
       #save_path = saver.save(sess, path+'/tmp_mdls/model.ckpt',global_step=i) 
       if mdl_save: 
        save_path = saver.save(sess, path+mdl_dir+'/model.ckpt',global_step=i) 
      sess.run(fetches=[merged,train_step], feed_dict=feed_dict_batch) 
      #sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) 

Answer 1

テンソルボードは、フロントエンドを整理するために、ログフォルダ構造を利用しています。これは少し厄介ですが、二つの別々の精度が

以下

 with open(path+errors_pretty, 'w+') as f_err_msgs: 
with tf.Session() as sess: 
    merged = tf.merge_all_summaries() 
    ***train_writer = tf.train.SummaryWriter(tensorboard_train_data_dump, sess.graph)*** 
    ***test_writer = tf.train.SummaryWriter(tensboar_test_data_sump, sess.graph)*** 

    sess.run(tf.initialize_all_variables()) 
    for i in xrange(steps): 
     ## Create fake data for y = W.x + b where W = 2, b = 0 
     #(batch_xs, batch_ys) = get_batch_feed(X_train, Y_train, M, phase_train) 
     feed_dict_batch = get_batch_feed(X_train, Y_train, M, phase_train) 
     ## Train 
     if i%report_error_freq == 0: 
      (summary_str_train,train_error) = sess.run(fetches=[merged, l2_loss], feed_dict=feed_dict_train) 
      (summary_str_test,test_error) = sess.run(fetches=[merged, l2_loss], feed_dict=feed_dict_test) 
      ***train_writer.add_summary(summary_str_train, i) 
      test_writer.add_summary(summary_str_test, i)*** 

      loss_msg = "Model *%s%s*, step %d/%d, training error %g, test error %g \n"%(model,nb_hidden_layers,i,steps,train_error,test_error) 
      mdl_info_msg = "Opt: %s, BN %s, After %d/%d iteration, Init: %s \n" % (optimization_alg,bn,i,steps,init_type) 
      print_messages(loss_msg, mdl_info_msg) 
      # store results 
      results['train_errors'].append(train_error) 
      results['test_errors'].append(test_error) 
      # write errors to pretty print 
      f_err_msgs.write(loss_msg) 
      f_err_msgs.write(mdl_info_msg) 
      # save mdl 
      #save_path = saver.save(sess, path+'/tmp_mdls/model.ckpt',global_step=i) 
      if mdl_save: 
       save_path = saver.save(sess, path+mdl_dir+'/model.ckpt',global_step=i) 
     sess.run(fetches=[merged,train_step], feed_dict=feed_dict_batch) 
     #sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) 

のように2つのフォルダに二つの別々の要約ライターを持ってもらうために、これはその周りの仕事はあなたに2「実行」を与えるです。私はあなたが下のイメージで見ることができるようにこれを自分でやった。紫色の線は、異なるエポックでの訓練の精度に対応し、茶色の線は、異なるエポックでの確度の精度に対応する。これがあなたのお役に立てば幸いです:)